《表3 火箭体和卫星实测数据2分类准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于光变曲线的空间碎片基本形状分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于实测光变数量较少且分布不均，本文先探讨基本的2分类问题，即判别碎片类型是火箭体还是失效卫星.从实测数据集中随机各选择2500条相曲线，并使用仿真实验中的7层基础模型，利用Bootstrap方法训练100次，分类结果见表3，分类结果准确率的均值为99.31%，中值为99.35%，3σ置信区间为（97.60%，99.83%）.火箭体的识别率为99.24%，略低于卫星识别率99.50%，实验结果表明针对本文提取的实测光变曲线，深度神经网络可以较准确地区分火箭体和失效卫星.需要说明的是，上述实验建立在少量类型碎片的实测数据上，有明显的选择效应，很多空间碎片的形状与实验样本相差很大，更大规模的形状分类结果可能会有所不同，受可获取实测数据数量和分布的限制，在本文研究范畴内无法覆盖更多碎片，因此利用这些数据进一步区分碎片类型存在很多局限性.尽管如此，本文选择了实测数据相对较多的几类火箭体和卫星，尝试进行碎片型号（或卫星平台）识别.