在科学技术发展的推动下,现代军事战场,早已进入了电子战时代。空域作战中,战斗机,轰炸机等独立且单一的战术操作已无法满足现代战场的作战需求。因此,以舰艇编队,飞行编队为群组的协同作战方式成为当今世界各国空域作战的主要形式。在极度复杂且不确定的空中战场,如何分析战场的实时形势,判断威胁群组协作行为的意图,对于我方及时做出指挥决策有着极其重要的意义。空域作战,由于其较高的移动性和空间的不确定性,群组与群组之间,群组内部成员之间的通信由无线电磁波承载。敌我双方在作战过程中,侦察信息、指挥信息都要依赖无线通信数据链进行传输,因此,战场的实时动态必然与通信磁场环境有着紧密关系。本文以X国的主要作战机的数据链配置状况和通信行为为研究对象,首先进行通信行为的仿真,以得到不同作战意图下的数据,然后利用支持向量机,建立起群组协同行为的意图识别模型,最后验证其识别准确率。具体内容如下:首先,进行通信行为及数据仿真。在不同的作战意图下,敌方派出的作战机也有所不同,相应的,不同的作战机上配置的数据链和通信电台也不同。通过分析这些关联信息,模拟一个通信事件剧本,再结合协同行为的通信结构和通信规则生成仿真数据,以此作为目标意图识别的数据基础。对仿真得到的数据进行预处理,统一数据类型并将具有不同量纲的数据特征进行归一化处理,提高机器学习的能力。其次,提出基于贝叶斯优化算法的支持向量机参数优化(BOA_SVMcg)方法。以支持向量机的测试准确率作为择优准则,从初始种群中得到优良解集,依据评价准则及搜索算法寻找能够反映该解集中数据内在关联的网络结构,并进行网络参数的学习,得到基于贝叶斯优化算法的网络模型,基于该模型进行采样得到新个体。为了提高运算效率,对贝叶斯优化算法中构造网络模型的编码方式进行改进。最后,进行仿真实验。共分为三部分实验,第一部分为基于UCI标准数据集的实验,对改进的二进制编码方法与传统二进制编码方法进行对比,验证了该方法在提高运算速率方面的优势;第二部分为基于UCI标准数据集,对本文提出的基于贝叶斯优化算法的支持向量机参数寻优与传统的网格搜索法,遗传算法进行实验对比,验证了该方法即能有效缩短运算时间,又能提高测试准确率;第三部分为基于仿真数据,运用BOA_SVMcg对群组协同行为的意图进行识别,最后得到94.76%的识别准确率。