| 低轨卫星缺失时序数据的模式识别方法 |
| |
| 作者姓名： | 郭思尧 颜博 翟磊 鲍军鹏 宋宴 张超 陈亚军 |
| |
| 作者单位： | 西安交通大学计算机科学与技术学院,中国电子科技集团公司第五十四研究所,中国电子科技集团公司第五十四研究所,西安交通大学计算机科学与技术学院,陆军航空兵研究所,中国电子科技集团公司第五十四研究所,中国电子科技集团公司第五十四研究所 |
| |
| 基金项目： | 国家自然科学基金项目“多应用负载性能干扰预测与隔离相关问题研究”（项目编号：61672421） |
| |
| 摘 要： | 在航天应用中,低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果,降低准确率。针对该问题提出了一种新型MR-GRU模型,可有效处理缺失时序数据,并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法,MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练,对传统门控循环单元结构进行了改进,增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入,衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性,还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明,MR-GRU模型准确率优于传统模型。
|
| 关 键 词： | 数据缺失 门控循环单元 卫星时序数据 模式识别 |
| 收稿时间： | 2020-12-11 |
| 修稿时间： | 2021-10-22 |
|
| 点击此处可从《遥测遥控》浏览原始摘要信息 |
|
点击此处可从《遥测遥控》下载免费的PDF全文 |
|
