名词：智能目标
英文全称：Intelligent target
智能目标识别与分类问题是伴随计算机技术的发展，通过机器学习实现识别与分类，进一步对目标的类别、属性作出某种判决。
作用和应用：自20世纪50年代以来，智能目标识别与分类取得了很好的效果。众所周知，机器学习是人工智能的一个重要研究和应用领域。因此，通过引入智能信息处理的方法构造能够处理大规模数据的目标识别与分类的新方法已成为人们急切关注的热点之一。识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济数据分析，以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。
解释拓展：目标识别与分类技术主要经历了从传统模式发展起来的基于模型的智能识别技术。传统模式识别方法主要包括：模板匹配、最近邻和决策树等；智能模式识别研究的方法主要包括：神经网络、进化计算分类方法、核分类方法（支撑矢量机、核匹配追踪、谱学习等）、隐Markov模型分类器、集成方法等，这些方法在红外、光电、雷达等传感器的目标识别与分类中得到了广泛的应用。
针对分类算法各自的优缺点，又出现了许多混合模式识别方法，如基于SOM的空间子集支撑矢量机、子波核函数网络等，就是结合支撑矢量与神经网络各自优点的新的分类算法。这些基于智能互补思想提出的新方法，丰富了模式识别方法的内容，促进了模式识别的发展。然而，受各个分类算法自身的优缺点，以及各种传感器获得内容的复杂性、目标的不完备性等因素的影响，需要研究更为先进的识别与分类算法，并加强它们的实用化进程。
解释参考：