针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高训练速度,同时避免陷入过拟合,采用线性修正函数作为非线性函数;为增强鲁棒性,同时减小下采样对特征表示的影响,引入概率最大化下采样的方式,并在卷积层后对特征进行局部对比度标准化.实验表明,与传统的卷积神经网络相比,该算法对合成孔径雷达目标具有更高的识别率,并对图像各种形变以及复杂背景具有较好的鲁棒性.