一体化联合作战环境下对指挥员高效理解战场态势提出了新要求,面对作战人员数量庞大,作战术技术先进,各类新型军事系统的复杂体系作战,高效理解战场态势的任务越来越艰巨。因此,引入“标签”这一工具对战场样本数据进行分析总结,辅助指挥员进行决策。战场样本数据标签为战场样本数据查询、使用、管理和数据挖掘提供了高效快捷的途径。所以,战场样本数据的标签生成在整个态势认知系统中有着举足轻重的地位。本文提出标签生成有两种模式,一种是由计算机支持的智能标签法,另外一种则是由指挥决策专家(人)来完成。近年来,模式识别与智能计算受到学术界、工程应用领域的诸多关注。在认知科学的指导下,将人工智能等认知技术的研究成果应用到态势认知领域实现认知技术的突破。另外,将指挥控制人员所承载的自然智能融入到标签生成技术中,形成融合人工智能与自然智能的战场样本数据标签生成模型。本文首先分析研究者们在标签生成方面的工作以及态势认知技术的研究思路,并阐述了粗糙集理论的基础知识从而指出Pawlak经典粗糙集的缺陷,为下文的改进粗糙集算法提供了思路。其次,本文以战场样本数据标签框架构建的原则为行为基础,按照标签体系的构建流程,构建了以“任务势标签”、“能力势标签”、“战局势标签”和“资源势标签”为核心的战场样本数据标签框架,并对各标签展开了深入和详尽的分析。然后,针对战场样本数据的特点,改进了结合邻域决策粗糙集模型和局部属性约简的序贯三支分类器。考虑到战场态势复杂多变,在某些情况下,粗糙集算法生成的样本数据标签不能准确地描述战场态势,引入“人件”服务对战场样本数据进行理解分析刷新标签,从而完善战场样本数据标签。在此过程中,引进杰卡德系数对粗糙集算法生成的样本数据标签进行相似度检验,从而设计了战场样本数据标签生成模型。最后,本文依照上述思想进行实验仿真。并与其他算法进行比较,证明本文提出的改进粗糙集算法相对于传统的分类算法提高了样本数据标签的生成精度。