基于加权t-SNE和偏离度的捷联惯组稳定状态评估方法

发布时间：2024-05-25 11:42

　　针对传统的捷联式惯性测量组合(Strapdown Inertial Navigation System,SIMU)稳定性分析方法存在的仅能定性评价、不能量化比较的缺点,基于数据驱动的方法,提出一种利用改进的加权t-分布领域嵌入(t-Distributed to Chastic Neighbor Embedding,t-SNE)的流形学习方法提取数据中的低维流形特征,然后计算各样本与参考样本偏离度的方法对捷联惯组的稳定状态进行评估。在实例验证中,对比了使用普通t-SNE和加权t-SNE的降维效果,并使用K-最近邻分类算法分析了欧氏距离、标准化欧氏距离、马氏距离、熵值法和熵权-灰色关联分析法这5种常用的偏离度计算方法的评估效果,证明了所提出方法的有效性。

【文章页数】：8 页

【部分图文】：

图1Pearson相关系数和MIC直方图Fig.1HistogramofPearsonCorrelationCoefficientandMIC

导弹与航天运载技术2020年66数（MaximalInformationCoefficient，MIC），MIC不仅可以对大量数据中变量间的线性和非线性关系进行度量，而且可以广泛地挖掘出变量间的非函数依赖关系[11,12]。Pearson相关系数的取值范围为[-1，1]，其正负表....

分布图6t-SNE与加权t-SNE降维效果对比d）加权t-SNE降维后的二维特征

超出2.7σ，而从数据特性上分析，各个指标大都符合正态分布，因此各个样本在降至2维时的特征分布不能形成两个类间距离较大、类内距离较小数据点集合，只能形成聚类成两个聚类中心相近、类间距较大的数据点集合。当使用t-SNE将数据集降维至2~3维时，通常不能充分保留样本间的局部结构信息，....

图2捷联惯组稳定状态评估流程Fig.2SIMUStabilityAssessmentProcess2.2t-SNE流形学习

荚?[0.2，0.4]上，说明指标间的线性相关性要弱于非线性相关性，在进行特征提取时更适合使用非线性的方法。2捷联惯组稳定状态评估原理2.1捷联惯组稳定状态评估流程处理同一厂家、同一批次、同一履历的捷联惯组的历次测试数据得到稳定状态评估指标，经过加权后代替欧氏距离计算样本间的条件....

图3加权函数()kAdFig.3WeightingFunction

导弹与航天运载技术2020年68图3加权函数()kAdFig.3WeightingFunction2.3.2基于遗传算法的形状参数的选择对比图3中的4条曲线，固定参数b，参数a越大则加权函数()kAd在kd离k越近的点（不包括kkd的情况，此时函数连续但不可导）斜率越大，在kd趋....

本文编号：3982077