在科技相对发达的今天,科技为人类生活提供了诸多便利,同时科技也充分融入到战争领域中。战争已经从肉搏为主要形式转变成科技之间的博弈。科技在战争中扮演着“矛”与“盾”两个角色,我国一直以维护世界和平、促进共同发展为己任,不求“矛”尖锐,但求“盾”坚固。秉承和平发展的主要思想,借助科技的力量,本文提出一种基于贝叶斯推理的目标意图识别方法,意在以人工智能的方法为分析空中目标的意图提供了新的方法,以科技力量加固护国之盾,但传统的空中目标意图识别方法注重数据处理和应用,不够重视空中目标行为规则在意图识别中的作用,这样的方法逐渐不满足信息化条件下分析空中目标意图的需求。针对此问题,本文提出了基于特征加权的朴素贝叶斯网络的空中目标识别算法和基于序列推理的动态贝叶斯空中目标意图识别算法,主要内容如下:朴素贝叶斯算法具有稳定的分类效率和较高的分类速度,适用增量式训练,但实际应用中,其依据的特征条件独立性假设依据条件不够充分,因此研究者们一般从结构拓展,特征选择,特征加权,实例加权等方向对其进行改进。本文针对朴素贝叶斯的条件独立假设问题,提出了一种基于特征数据跨度和密度加权和的特征权重分配方法。通过对特征数据重合部分的跨度和密度进行分析,获得不同属性对于分类的影响程度,以此为依据对特征属性进行加权处理。根据此方法进行特征加权将很好的降低特征属性的相互关联产生的影响。针对空中目标意图识别问题,深入分析空中战场意图规划的流程,通过对状态属性逆向推理出目标的战术意图。在此过程中按照目标状态转移情况构建动态贝叶斯网络,对目标的机动动作进行识别,再依据机动动作的变化情况进行分析获得目标意图。其中对于目标机动动作识别部分由于时间跨度较大使得目标机动动作识别准确率偏低,针对这一问题本文对动态贝叶斯网络的概率转移矩阵进行改进,提出一种记于动作持续时间的状态转移概率计算方法,通过对目标在当前动作末期的状态进行分析,建立状态转移模型,分析目标下一阶段的状态,获得目标下一阶段的机动动作。此方法能够提高动态贝叶斯在目标动作识别过程的准确率,进而提高意图识别的准确率。