【技术实现步骤摘要】
【专利摘要】,包括如下步骤:步骤1,人造卫星光谱数据采集;步骤2,光谱数据归一化预处理;步骤3,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,人造卫星平台类型分类;对所观测的卫星光谱,按步骤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卫星的类型。本专利技术有效适用于深空环境、准确性更高。【专利说明】-种基于深度神经网络学习算法的人造卫星光谱特征分类 方法
本专利技术设及载人航天实施空间监测
,尤其是一种基于光谱特征的人造卫 星类型分析方法。
技术介绍
自1957年10月前苏联发射首颗人造地球卫星W来,美国、法国、日本也相继发射了 人造卫星,中国也于1970年发射了第一颗自己的人造卫星"东方红一号";据2013年统计,截 止2013年5月31号,在轨运行的人造卫星总数为1071颗;而目前具体有多少颗 ...
【技术保护点】
一种基于深度神经网络学习算法的人造卫星光谱特征分类方法,其特征在于:该分类方法包括如下步骤:步骤1,人造卫星光谱数据采集;利用光谱仪,采集人造卫星光谱数据以及该卫星平台类别;步骤2,光谱数据归一化预处理;步骤3,深度网络模型训练,过程如下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. ...
【技术特征摘要】
【专利技术属性】
技术研发人员:庄德文,唐轶峻,孟森森,沈杰,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。