基于SVM的导航星表构造

• 作者: 姜挺 张锐 江刚武
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 导航星表 卫星姿态 机器学习 SVM
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 196-199
• 页数: 4页
• 分类号: P237
• 字数: 3430字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2007.03.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张锐	信息工程大学测绘学院	18	132	7.0	10.0
2	姜挺	信息工程大学测绘学院	60	542	14.0	20.0
3	江刚武	信息工程大学测绘学院	50	501	13.0	20.0