基于核因子分析的捷联惯组稳定性评估技术

发布时间：2021-01-01 07:20

　　当前捷联惯组的稳定性评价方法单一,严重影响了使用单位对捷联惯组的使用效率。针对捷联惯组各个误差系数两次测试之差线性相关性较弱的特点,应用统计学习理论中的核化原理将因子分析这一线性特征提取算法推广至非线性特征提取算法,并改进了传统的因子综合评价方法,将其用于捷联惯组的稳定性评估。数值实验结果证明了提出的核因子分析方法的有效性。 

【文章来源】：科学技术与工程. 2020年18期 北大核心

【文章页数】：6 页

【部分图文】：

基于核因子分析的综合评估方法

高斯核函数只有一个可调参数σ,图2为提取核空间内原始数据最低贡献率85%时因子数目随σ的变化情况,它表明核因子分析的降维效果在特定样本总体下是有限的。构建函数F(σ)=(sσ1+sσ2)/sb,sσ1、sσ2分别为稳定数据、不稳定数据核映射后的类内离散度,sb为两类数据核映射后的类间距离平方和,F(σ)可以用来表示一定核参数两类数据非线性可分程度。大量实验研究表明,在解决完全非线性可分的问题时存在着极小值点[12]。图3为F(σ)随着σ的变化,当σ取9.45时,F(σ)取得最小值,稳定数据与不稳定数据在核空间里最大程度非线性可分,但由于σ取较小值时降维后的因子数目较多,不利于解释各个因子的意义。选择因子数目为16,此时F(σ)最小时对应的σ为38.87。

构建函数F(σ)=(sσ1+sσ2)/sb,sσ1、sσ2分别为稳定数据、不稳定数据核映射后的类内离散度,sb为两类数据核映射后的类间距离平方和,F(σ)可以用来表示一定核参数两类数据非线性可分程度。大量实验研究表明,在解决完全非线性可分的问题时存在着极小值点[12]。图3为F(σ)随着σ的变化,当σ取9.45时,F(σ)取得最小值,稳定数据与不稳定数据在核空间里最大程度非线性可分,但由于σ取较小值时降维后的因子数目较多,不利于解释各个因子的意义。选择因子数目为16,此时F(σ)最小时对应的σ为38.87。3.2 因子解释


本文编号：2951172