摘要
本发明属于空间目标识别技术领域,提供了一种基于GAT的非保守力空间目标识别分类方法,本发明在TLE数据基础上,生成大量空间目标的非保守力时间序列数据集,再进行数据预处理、子序列提取、图数据转化,最终得到具有图结构的数据集。建立并训练基于GAT的深度学习网络,提取非保守力时间序列中蕴含的时间关系依赖特征、子序列特征等,从而实现对空间目标的识别分类;本发明具备坚实的数据基础、卓越的泛化能力、高分类准确性以及广泛的适用性。
技术关键词
识别分类方法
神经网络结构模型
序列
特征提取模块
多头注意力机制
输出特征
加速度
拉格朗日插值法
数据
节点特征
坐标系
深度学习网络
超参数
分类准确率
数值
依赖特征
训练集