傅立叶级数+机器学习法双联预测小行星分类

发布时间：2022-10-29 11:48

　　利用傅立叶级数对散点小行星光变数据进行曲线拟合,以获得小行星表示参数,选取傅立叶级数为6的拟合方式对单体或双体小行星光变曲线进行分类,并用机器学习算法中的SVM和决策树建立预测模型。检验结果表明,SVM模型对单体和双体小行星的预测正确率达到95%,相较于决策树正确率提高了10%,为从小行星实际观测数据直接推测双体小行星潜在相关应用提供了参考。 

【文章页数】：4 页

【文章目录】：
0 引言
1 傅里叶级数
2 机器学习算法
    2.1 支持向量机
    2.2 决策树
3 实例分析
    3.1 傅立叶拟合级数确定
    3.2 数据筛选与处理
    3.3 预测结果分析
4 结语


【参考文献】：
期刊论文
[1]数据挖掘中的数据分类算法综述[J]. 刘红岩,陈剑,陈国青.  清华大学学报(自然科学版). 2002(06)
[2]基于迭代最近点的B样条曲线拟合方法研究[J]. 肖轶军,丁明跃,彭嘉雄.  中国图象图形学报. 2000(07)
[3]基于BP网络曲线拟合方法的研究[J]. 包健,赵建勇,周华英.  计算机工程与设计. 2005(07)
[4]最小二乘估计在曲线拟合中应用的研究[J]. 张勤.  成功(教育). 2011(18)
[5]小行星（26）Proserpina的测光观测和建模研究[J]. 李彬,赵海斌,王歆.  天文学报. 2015(04)
[6]基于监督学习的单幅图像深度估计综述[J]. 毕天腾,刘越,翁冬冬,王涌天.  计算机辅助设计与图形学学报. 2018(08)
[7]基于SVM模型的充填体强度与采场稳定性需求智能匹配研究[J]. 白春红.  中国矿业. 2019(11)
[8]双体小行星系统平衡态与稳定性研究[J]. 杜燕茹,李翔宇,韩宏伟,乔栋.  深空探测学报. 2019(05)
[9]小行星光变曲线（Ⅳ）[J]. 张钰哲,周兴海,杨修义,张友义,李晓卿,武志贤.  天文学报. 1981(02)



本文编号：3697632