论文部分内容阅读
在星敏感器导航星表的建立过程中由于恒星的数量太多,往往要进行筛选,通常这种选择是一种基于枚举的大量反复的提取过程,复杂费时而结果往往并不是最优的.而基于统计学习理论(SLT)的支持向量机(SVM)方法正好克服了这方面的不足.SLT理论和SVM方法为导航星选取过程的简化和结果的最优性的获得提供了新的途径.讨论了支持向量机在导航星选取优化中进行应用的分类算法,构建了导航星分类器,并以导航星的选取为例进行了试验论证.试验表明:基于SVM的导航星分类器对简化导航星的筛选过程优化导航星表的性能具有很强的适应性.