基于支持向量機的導航星選取算法研究

摘 要：在星敏感器導航星表的建立過程中由于恒星的數量太多，往往要進行篩選，通常這種選擇是一種基于枚舉的大量反復的提取過程，復雜費時而結果往往并不是最優的。而基于統計學習理論(SI，T)的支持向量機(SVM)方法正好克服了這方面的不足。SLT理論和SVM方法為導航星選取過程的簡化和結果的最優性的獲得提供了新的途徑。討論了支持向量機在導航星選取優化中進行應用的分類算法，構建了導航星分類器，并以導航星的選取為例進行了試驗論證。試驗表明：基于SVM的導航星分類器對簡化導航星的篩選過程優化導航星表的性能具有很強的適應性。

關鍵詞：統計學習理論(SLT)；支持向量機(SVM)；導航星表；導航星分類器

中圖法分類號：TP301．6

文獻標識碼：A

文章編號：1001—3695(2005)01—0070—03