基于SVM的导航星表构造

被引：2

作者：

张锐

江刚武

姜挺

机构：

[1] 信息工程大学测绘学院

来源：

测绘科学技术学报 | 2007年 / 03期

关键词：

导航星表; 卫星姿态; 机器学习; SVM;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

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(Sup-port 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。

引用

页码：196 / 199

页数：4