雷达诞生之日起，科学家们就在不断的研究雷达目标识别技术，由最开始的人工识别，到现在的智能算法识别，这也代表了雷达目标识别技术的发展方向——智能化。人工神经网络是机器学习的重要领域，具有诸多优点：具有较强的容错性；可以有很强的适应能力；并且可以大规模并行处理。将其应用到雷达目标识别中，并提出新的算法具有重要意义。本文重点研究了支持向量机和自组织特征映射神经网络在雷达目标识别技术中的应用。首先，本文介绍了具体需要解决的雷达目标识别问题，本章通过选取阈值，消除孤立点，去除不合理的聚集点等一系列方法找到目标的准确位置。其次，本文重点介绍了支持向量机的原理及其推导过程。随后，分析了支持向量机的参数寻优方法：交叉验证方法和粒子群算法。本文还定义了四个用于检验雷达目标识别效果的指标。最后将支持向量机应用到雷达目标识别中，通过比较两种参数寻优方法，证明支持向量机在雷达目标识别中可以取得很好的效果。最后，将自组织特征映射神经网络引入到雷达目标识别中，在研究了它的结构、原理和训练过程后，用多组实验数据对其在雷达目标识别中的性能进行测试，取得了非常好的效果。随后，将自组织特征映射神经网络和支持向量机两种算法组合起来，既解决了支持向量机受目标点影响大的缺点，同时也缩短了自组织特征映射神经网络运行计算时间。