编队集群成为战场作战主流方式。作战对象一般以集群的方式执行预定的计划,所有的作战对象之间均使用特定的通信数据链路进行信息的传输。正确的识别编队集群的意图,对于我方制定决策和精确打击等方面有着重要的实际意义。研究从编队集群的通信事件特征和外部监测状态两个角度识别集群意图。基于某国现阶段战机群体协作特点及通信链路配置情况进行行为数据仿真,构建意图识别方法模型,在仿真数据集上验证其有效性。主要内容如下:1.给出假定的固定集群意图下的集群通信行为定义。针对复杂战场环境下对敌目标集群意图识别问题,研究融合通信事件特征与外部监测状态(速度、高度、方位等)两个角度,分析参战对象、通信个体、通信链路以及集群状态等信息在不同态势意图下的行为表现,结合不同意图下的行为特点,生成不同意图下集群的行为数据,组成行为事件库。2.给出一种基于树型帕森估计(TPE)的超参数寻优方法。针对深度学习网络中大量超参数选择问题,采用基于模型序贯优化(SMBO)过程的TPE超参数寻优方法优化模型性能。实验表明TPE算法能够有效地避免网格搜索的维度灾难和随机搜索可能错过最佳组合点的问题,在超参数优化上性能更高。3.给出一种基于Attention机制的循环神经网络意图识别方法。采用循环神经网络作为主要的研究方法,融合Attention机制的思想,给出一种循环神经网络-Attention的意图识别方法。仿真数据输入循环神经网络进行数据计算,Attention模拟人的注意力过程,通过聚焦循环神经网络的输出结果,分配差异化权重,从而进一步提高意图识别的准确率。4.集群意图识别实验。对模型的超参数进行寻优实验,并将超参数寻优结果配置识别模型;测试仿真数据在不同模型上的准确率,并且使用多指标评价方法对模型的性能进行评估。实验结果表明基于TPE算法的超参数优化方法可以更为稳定的计算搜索空间中的最优超参数组合;基于Attention机制的循环神经网络可以注意到不同特征对于识别结果的影响,识别结果更加精准。