一种基于人工智能的空间碎片光谱特征分类方法技术

一种基于人工智能的空间碎片光谱特征分类方法，包括如下步骤：步骤1，碎片光谱数据采集；步骤2，光谱数据归一化预处理；步骤3，深度网络模型训练，采用随机梯度下降算法，对各层预训练后的深度网络展开为深度前馈网络，并以所训练的网络参数作为该深度网络参数的初始值，用经典的反向传播算法对网络作精细化调整，采用变学习率方法，设定训练回合数，完成深度网络训练，得到最终深度学习网络模型；步骤4，对所观测的碎片光谱，按前述步骤2作数据预处理，由步骤3所训练的深度网络模型输出每条光谱的类别，以同一个圈次中各条光谱输出类别数最多者作为该碎片的类型。本发明专利技术有效适用于深空环境、准确性更高。

【技术实现步骤摘要】
【专利摘要】，包括如下步骤：步骤1，碎片光谱数据采集；步骤2，光谱数据归一化预处理；步骤3，深度网络模型训练，采用随机梯度下降算法，对各层预训练后的深度网络展开为深度前馈网络，并以所训练的网络参数作为该深度网络参数的初始值，用经典的反向传播算法对网络作精细化调整，采用变学习率方法，设定训练回合数，完成深度网络训练，得到最终深度学习网络模型；步骤4，对所观测的碎片光谱，按前述步骤2作数据预处理，由步骤3所训练的深度网络模型输出每条光谱的类别，以同一个圈次中各条光谱输出类别数最多者作为该碎片的类型。本专利技术有效适用于深空环境、准确性更高。【专利说明】-种基于人工智能的空间碎片光谱特征分类方法
本专利技术设及载人航天实施空间监测
，尤其是一种空间碎片类型分析方 法。
技术介绍
自1957年10月前苏联发射首颗人造地球卫星W来，人类几十年的空间探索活动产 生了大量的空间碎片，对人类航天活动的安全造成严重威胁，成为空间环境的主要污染源， 并在一定程度上对航天活动的正常开展产生了影响。 随着中国的经济发展W及国家安全的需要，航天空间活动将愈来愈多，并在不久 的将来，对应用卫星的需本文档来自技高网...

【技术保护点】
一种基于人工智能的空间碎片光谱特征分类方法，其特征在于：所述分类方法包括如下步骤：步骤1，碎片光谱数据采集；利用光谱仪，采集碎片光谱数据；步骤2，光谱数据归一化预处理；步骤3，深度网络模型训练；3.1)权值初始化：取区间为均匀随机值：4*[-6fanin+fanout,6fanin+fanout]]]>其中fanin表示网络每层输入节点数，fanout表示网络每层输出节点数；3.2)神经元的激励函数选择为sigmoid函数，对变量a，函数形式为：sigmoid(a)＝1/(1+e‑a)3.3)设定学习率；3.4)选定批训练大小；3.5)调试每层节点数；3.6)采用堆栈去噪自...

【技术特征摘要】

【专利技术属性】
技术研发人员：庄德文，唐轶峻，沈杰，孟森森，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33