目标分群是态势估计需要解决的一个重要问题。目标分群的结果有助于确定态势元素间的关系，从而为作战决策提供依据。提出了一种海战场环境下目标分群的方法。该方法在考虑目标各运动要素的基础上，对其进行最优权值分配，然后利用Chameleon 算法对综合指标值进行聚类。关键词：海战场,分群,Chameleon 算法；现代战场中，指挥员对战场态势的理解，直接影响到作战计划的制定及执行。兵力层次的作战群体是战场态势的重要构成要素，作战群体的作战意图通过群体成员的有效协作来实现，协作通常具有固定的模式，形成模式的过程称为目标分群[1,2]。目标分群是兵力聚合的子问题，将关于目标对象的可用数据按空间、功能等属性分群，揭示目标之间的相互联系，确定相互合作的功能，解释目标对象在问题领域的各种行为。分群的基本思想是对可用数据进行分组，以便评估确定态势元素之间的相互关系，解释作战群体的作战意图。目前，目标分群的研究多集中于群体跟踪领域，即如何将一级数据融合输出的大量单实体聚合为多个作战群体[3,4,5]。1战场目标分群是以数据驱动的前向推理过程，即将规则应用于有效数据以产生一个可推理的假设结构。因此，基于一定的规则是目标分群的主要特征。目前，战场目标分群主要基于聚类分析法[6]。国内外关于目标分群的算法均是利用目标或群之间的空间距离作为聚类依据，由于海战场的特殊性，只考虑空间距离是不合适的，这些方法不能满足海战场环境中多属性的要求。海战场环境下目标分群聚类方法应在综合考虑作战群体的多属性基础上，引入Chameleon算法，可有效地对作战群体进行分群。