军事决策中的一个重要过程便是态势估计，而目标分群是态势估计中的一个重点和难点问题。目标分群的结果可以决定态势要素之间的关系，是指挥员确定战术战略的一个重要依据，这也就是目标分群的意义所在。本文详尽地介绍了有关态势估计的数学模型、基本内容和概念，在此基础上引出了目标分群的基本内容和概念，对态势估计和目标分群的国内外的研究现状做了详细介绍和分析，从而展开了对态势估计中的目标分群问题的研究，最终选择采用聚类分析的方法去解决目标分群问题。本论文的主要工作如下：(1)在详细介绍了聚类分析的基本概念和相关算法的基础上，重点研究了划分聚类算法，引入了基于熵权重的重心稳定的全局K-means算法，并对该算法进行了k值优化，分析了该算法的准确性和稳定性，重点研究该算法用于目标分群问题的具体方式。(2)研究基于熵权重的重心稳定的全局K-means算法的思路、实现流程，给出了其用于目标分群问题的具体流程，给出了基于熵权重的重心稳定的全局K-means算法应用于目标分群问题的实现方法，进而研究了基于该算法的目标分群问题求解方法的具体程序实现。(3)开发了群目标动态场景仿真平台和目标分群系统软件，给出了具体的仿真实验，实验结果表明，本文提出的基于熵权重的重心稳定的全局K-means算法在解决目标分群问题时是可行和有效的。本文的主要创新点：研究了基于熵权重的重心稳定的全局K-means算法，将基于熵权重的重心稳定的全局K-means算法用于态势评估中的目标分群问题中，开发了群目标动态场景仿真平台和目标分群系统软件，取得了较好的实验结果。