本研究解决了对人造空间碎片的特征识别问题,采用机器学习方法对单光子捕获的光曲线进行分类。通过使用 k-nn、随机森林、xgboost 和卷积神经网络等多种分类器,我们成功实现了高达 90.7% 的分类准确率,展示了自动提取特征的方法在提升分类准确性上的优势。
本研究采用机器学习方法对人造空间碎片进行特征识别,使用多种分类器实现了90.7%的分类准确率,展示了自动特征提取的优势。
本研究解决了对人造空间碎片的特征识别问题,采用机器学习方法对单光子捕获的光曲线进行分类。通过使用 k-nn、随机森林、xgboost 和卷积神经网络等多种分类器,我们成功实现了高达 90.7% 的分类准确率,展示了自动提取特征的方法在提升分类准确性上的优势。
本研究采用机器学习方法对人造空间碎片进行特征识别,使用多种分类器实现了90.7%的分类准确率,展示了自动特征提取的优势。