典型文献
基于混合降维森林的天线跟踪数据实时处理
文献摘要：
随着卫星数量和星上动作快速增加,卫星测控站测控任务也随之指数式增加,导致传统的24小时人工监视任务难以实现.基于数据挖掘的大数据实时分析技术能有效解决该问题,但面临样本维度高和标记数据不平衡的问题.提出一种新的集成学习模型——混合降维森林(HDRF),来处理复杂的天线跟踪数据.首先通过提出的样本特征化转换过程(SFTP)将异常样本转化为拓展的样本特征,其次通过基于树的特征选择算法挑选样本的强特征,并使用主成分分析(PCA)算法对新特征和未选择特征进行降维,生成具有有效性和补偿性的新特征.最后,在5个真实数据集上的实验表明,提出的算法优于其他主流的集成分类算法,且对天线跟踪数据实时处理切实有效.
文献关键词：
天线跟踪;混合降维;测角分析;大数据
中图分类号：
作者姓名：
王正;陈伟宏;杜恒宇;宋彬杰
作者机构：
61768部队,海南三亚572099;陆军炮兵防空兵学院,河南郑州450002
文献出处：
引用格式：
[1]王正;陈伟宏;杜恒宇;宋彬杰-.基于混合降维森林的天线跟踪数据实时处理)[J].信息工程大学学报,2022(03):307-312
A类：
HDRF,测角分析
B类：
混合降维,天线跟踪,实时处理,卫星数量,卫星测控,测控站,指数式,时人,监视,难以实现,数据实时分析,记数,数据不平衡,集成学习模型,样本特征,转换过程,SFTP,特征选择算法,选样,新特征,补偿性,真实数据,集成分类,分类算法,切实有效
AB值：
0.373779
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
