摘要： 随着合成孔径雷达（ａｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ，ＳＡＲ）成像技术的日益成熟，如何对 ＳＡＲ目标进行高效分类得到了普遍关注。在此背景下，提出了一种面向ＳＡＲ目标分类的二层 卷积神经网络算法。为增强适应性，设计了一种随迭代次数增加而减缓的分数渐变学习率。同 时，在损失函数中引入类内、类间相似度量函数，丰富了样本分类特征，提高了分类的准确率。 在ＭＳＴＡＲ数据集上的测试结果表明：该算法相比于其他分类方法和经典卷积神经网络算法有 更高的分类准确率，证明了算法的有效性。