首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于SVM的导航星表构造
引用本文:张锐,江刚武,姜挺.基于SVM的导航星表构造[J].测绘科学技术学报,2007,24(3):196-199.
作者姓名:张锐  江刚武  姜挺
作者单位:信息工程大学,测绘学院,河南,郑州,450052;信息工程大学,测绘学院,河南,郑州,450052;信息工程大学,测绘学院,河南,郑州,450052
摘    要:导航恒星提取一般采用星等过滤方法MFM(Magnitude Filtering Method).但是MFM方法存在两个明显的缺陷:若星等阈值太高,导航星表冗余度高;反之,导航星表出现视场(FOV)空洞.支持向量机SVM(Support Vector Machine)作为一种可训练的机器学习方法,依靠小样本学习后的模型参数进行导航星提取,可以得到分布均匀且恒星数量大为减少的导航星表.利用SAO星表进行了实验,并对导航星表内恒星的分布情况作了统计.实验证明,SVM作为导航星提取算法具有很好的应用前景.

关 键 词:导航星表  卫星姿态  机器学习  SVM
文章编号:1673-6338(2007)03-0196-04
收稿时间:2006-12-11
修稿时间:2006-12-112007-03-29

Construction of Star Catlogue Based on SVM
ZHANG Rui,JIANG Gang-wu,JIANG Ting.Construction of Star Catlogue Based on SVM[J].Journal of Zhengzhou Institute of Surveying and Mapping,2007,24(3):196-199.
Authors:ZHANG Rui  JIANG Gang-wu  JIANG Ting
Institution:Institute of Surveying and Mapping, Information Engineering University, Zhengzhou 450052, China
Abstract:
Keywords:navigation-star catalogue  satellite attitude  Machine-learning  SVM
本文献已被 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号