針對(duì)傳統(tǒng)的捷聯(lián)式慣性測(cè)量組合(Strapdown Inertial Navigation System,SIMU)穩(wěn)定性分析方法存在的僅能定性評(píng)價(jià)、不能量化比較的缺點(diǎn),基于數(shù)據(jù)驅(qū)動(dòng)的方法,提出一種利用改進(jìn)的加權(quán)t-分布領(lǐng)域嵌入(t-Distributed to Chastic Neighbor Embedding,t-SNE)的流形學(xué)習(xí)方法提取數(shù)據(jù)中的低維流形特征,然后計(jì)算各樣本與參考樣本偏離度的方法對(duì)捷聯(lián)慣組的穩(wěn)定狀態(tài)進(jìn)行評(píng)估。在實(shí)例驗(yàn)證中,對(duì)比了使用普通t-SNE和加權(quán)t-SNE的降維效果,并使用K-最近鄰分類算法分析了歐氏距離、標(biāo)準(zhǔn)化歐氏距離、馬氏距離、熵值法和熵權(quán)-灰色關(guān)聯(lián)分析法這5種常用的偏離度計(jì)算方法的評(píng)估效果,證明了所提出方法的有效性。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1Pearson相關(guān)系數(shù)和MIC直方圖Fig.1HistogramofPearsonCorrelationCoefficientandMIC

導(dǎo)彈與航天運(yùn)載技術(shù)2020年66數(shù)（MaximalInformationCoefficient，MIC），MIC不僅可以對(duì)大量數(shù)據(jù)中變量間的線性和非線性關(guān)系進(jìn)行度量，而且可以廣泛地挖掘出變量間的非函數(shù)依賴關(guān)系[11,12]。Pearson相關(guān)系數(shù)的取值范圍為[-1，1]，其正負(fù)表....

分布圖6t-SNE與加權(quán)t-SNE降維效果對(duì)比d）加權(quán)t-SNE降維后的二維特征

超出2.7σ，而從數(shù)據(jù)特性上分析，各個(gè)指標(biāo)大都符合正態(tài)分布，因此各個(gè)樣本在降至2維時(shí)的特征分布不能形成兩個(gè)類間距離較大、類內(nèi)距離較小數(shù)據(jù)點(diǎn)集合，只能形成聚類成兩個(gè)聚類中心相近、類間距較大的數(shù)據(jù)點(diǎn)集合。當(dāng)使用t-SNE將數(shù)據(jù)集降維至2~3維時(shí)，通常不能充分保留樣本間的局部結(jié)構(gòu)信息，....

圖2捷聯(lián)慣組穩(wěn)定狀態(tài)評(píng)估流程Fig.2SIMUStabilityAssessmentProcess2.2t-SNE流形學(xué)習(xí)

莢?[0.2，0.4]上，說(shuō)明指標(biāo)間的線性相關(guān)性要弱于非線性相關(guān)性，在進(jìn)行特征提取時(shí)更適合使用非線性的方法。2捷聯(lián)慣組穩(wěn)定狀態(tài)評(píng)估原理2.1捷聯(lián)慣組穩(wěn)定狀態(tài)評(píng)估流程處理同一廠家、同一批次、同一履歷的捷聯(lián)慣組的歷次測(cè)試數(shù)據(jù)得到穩(wěn)定狀態(tài)評(píng)估指標(biāo)，經(jīng)過(guò)加權(quán)后代替歐氏距離計(jì)算樣本間的條件....

圖3加權(quán)函數(shù)()kAdFig.3WeightingFunction

導(dǎo)彈與航天運(yùn)載技術(shù)2020年68圖3加權(quán)函數(shù)()kAdFig.3WeightingFunction2.3.2基于遺傳算法的形狀參數(shù)的選擇對(duì)比圖3中的4條曲線，固定參數(shù)b，參數(shù)a越大則加權(quán)函數(shù)()kAd在kd離k越近的點(diǎn)（不包括kkd的情況，此時(shí)函數(shù)連續(xù)但不可導(dǎo)）斜率越大，在kd趨....

本文編號(hào)：3982077