在进行分类前，采用某种方法或形式对训练样本数据进行一定的分析和描述是有益的，它是分类器设计的基础。常用的数据描述方法有：基于概率密度估计的方法；基于参考点的描述方法；聚类，降文，主成分分析PCA方法；升文与核函数方法等。在对数据进行适当的分析和描述后，可开始构造分类器，即要考虑如何组织分类的规则，如何建立判决函数或选择何种结构的神经网络以及如何对分类器的有关参数进行学习等。影响分类器的性能变化有如下因素：用于得到原始输入向量的测量方法；用于对输入向量进行变换的预处理方法；从输入向量空间到识别器输入空间的特征选取；训练数据集的大小以及选取；训练方法和训练参数的选取等。 基于主成分分析的雷达目标识别(4):http://www.youerw.com/tongxin/lunwen_5928.html