1、決策層信息融合是一種能夠提供判斷依據(jù)和支持的高層融合技術(shù)，它通過合理分析、提取低層融合處理后的各種有用信息，針對(duì)特定的目標(biāo)，基于一定的規(guī)則，采用適當(dāng)?shù)乃惴?，獲得對(duì)目標(biāo)身份的最后推斷。態(tài)勢評(píng)估和威脅估計(jì)是決策層信息融合技術(shù)中至關(guān)重要的兩部分。其中，態(tài)勢評(píng)估是一個(gè)能夠?qū)崟r(shí)反映環(huán)境態(tài)勢的多層視圖，通過研究各目標(biāo)實(shí)體之間的相互聯(lián)系，聚合成具有一定相似行為和目的的群體目標(biāo)，再綜合各環(huán)境因素，做出相關(guān)的態(tài)勢分析和預(yù)測。威脅估計(jì)作為指揮決斷中一重要因

2、素，也是信息融合中一個(gè)關(guān)鍵環(huán)節(jié)，它是通過態(tài)勢評(píng)估的處理后，對(duì)前期所獲得的評(píng)估結(jié)果進(jìn)行更深層次的融合分析，結(jié)合各方因素，最終評(píng)估得到敵方對(duì)我方保護(hù)目標(biāo)打擊威脅程度的過程。
　　本文分別對(duì)決策層信息融合中的目標(biāo)分群及目標(biāo)威脅估計(jì)兩個(gè)關(guān)鍵技術(shù)進(jìn)行了討論分析，重點(diǎn)對(duì)其算法及應(yīng)用領(lǐng)域進(jìn)行了詳細(xì)研究。論文主要包括以下內(nèi)容：
　　1、以態(tài)勢評(píng)估理論為基礎(chǔ)，首先對(duì)態(tài)勢評(píng)估技術(shù)的主要功能做了詳盡分析，對(duì)比討論了幾種該領(lǐng)域常用的融合算法。重點(diǎn)研

3、究了態(tài)勢評(píng)估中目標(biāo)分群這一關(guān)鍵技術(shù)，并對(duì)比探討了常用的幾種采用目標(biāo)函數(shù)的聚類模型算法。
　　2、基于模糊聚類算法所面臨的初始化現(xiàn)象，利用智能算法搜索能力強(qiáng)、靈活性強(qiáng)、結(jié)構(gòu)簡潔等良好特性，給出了基于線性粒子群優(yōu)化的可能性模糊 C-均值算法，并采用標(biāo)準(zhǔn)數(shù)據(jù)庫中的仿真數(shù)據(jù)集對(duì)其尋優(yōu)性能及劃分效果做了驗(yàn)證評(píng)估。
　　3、基于最陡下降的穩(wěn)健自適應(yīng)粒子群魯棒聚類算法的給出，主要用于解決粒子群中的參數(shù)設(shè)置問題。該方法的提出，在很大程度上增

4、強(qiáng)了粒子的搜索能力，同時(shí)提高了算法的尋優(yōu)速度及適應(yīng)性，并通過仿真對(duì)比結(jié)果證明了該魯棒聚類算法良好的搜索能力和運(yùn)行效果。
　　4、研究給出了基于免疫機(jī)理的智能 BP網(wǎng)絡(luò)算法。首先，在智能粒子群中引入免疫機(jī)理，通過調(diào)節(jié)個(gè)體濃度增強(qiáng)其種群的多樣性，防止其由于早熟或陷入局部最優(yōu)最終影響問題的求解；其次，利用免疫粒子群算法獲得最優(yōu)權(quán)重和閥值，用此參數(shù)構(gòu)建初始網(wǎng)絡(luò)，通過訓(xùn)練網(wǎng)絡(luò)，完成對(duì)目標(biāo)威脅程度的估計(jì)。隨后經(jīng)過仿真對(duì)比分析以及應(yīng)用研究，驗(yàn)證