基于集成学习的空间科学卫星工作模式识别

TP391; 针对空间科学卫星遥测参数数据量大且特征维度高、需要消耗大量人力资源预先设置海量阈值、预先设置的阈值可能不再适用、现有监测手段可扩展性低等问题,提出了一种基于集成学习的空间科学卫星工作模式识别方法.该方法采用相关系数统计特性和互信息理论对遥测参数数据进行筛选降维,使用数据重采样技术解决数据集中存在的类别不平衡问题,构建集成学习模型,实现空间科学卫星工作模式的识别.借助某型号科学卫星真实遥测参数数据对该方法进行验证,在短时内便可构建完成算法模型,模型对整体类别的识别正确率高达99.67%,可正确识别多数类样本和少数类样本,为地面运控人员判断空间科学卫星工作模式提供了决策依据....

Full description

Saved in:
Bibliographic Details
Published in空间科学学报 Vol. 43; no. 4; pp. 768 - 779
Main Authors 高立京, 陈志敏, 郭国航, 王春梅
Format Journal Article
LanguageChinese
Published 中国科学院国家空间科学中心 北京 100190 2023
中国科学院大学 北京 100049%中国科学院国家空间科学中心 北京 100190
Subjects
遥测参数数据
集成学习
Feature dimension reduction
数据重采样
Data resampling
Ensemble learning
特征降维
Telemetry parameter data
Online AccessGet full text
ISSN0254-6124
DOI10.11728/cjss2023.04.20220301022

Cover

More Information
Summary:TP391; 针对空间科学卫星遥测参数数据量大且特征维度高、需要消耗大量人力资源预先设置海量阈值、预先设置的阈值可能不再适用、现有监测手段可扩展性低等问题,提出了一种基于集成学习的空间科学卫星工作模式识别方法.该方法采用相关系数统计特性和互信息理论对遥测参数数据进行筛选降维,使用数据重采样技术解决数据集中存在的类别不平衡问题,构建集成学习模型,实现空间科学卫星工作模式的识别.借助某型号科学卫星真实遥测参数数据对该方法进行验证,在短时内便可构建完成算法模型,模型对整体类别的识别正确率高达99.67%,可正确识别多数类样本和少数类样本,为地面运控人员判断空间科学卫星工作模式提供了决策依据.
ISSN:0254-6124
DOI:10.11728/cjss2023.04.20220301022