基于主成分分析和支持向量机的飞参阶段划分研究  

Classification of Flight Data Based on Principal Components Analysis and Support Vector Machine

作　　者：李丹丹[1] 路辉[1] 郎荣玲[1] 

机构地区：[1]北京航空航天大学电子信息工程学院,北京100191

出　　处：《现代电子技术》2010年第8期134-137,共4页Modern Electronics Technique

基　　金："十一五"国防预研基金资助项目:先进战斗机综合自动测试系统(B0520060455)

摘　　要：主成分分析是一种应用广泛的线性降维技术,它在保留住数据的重要成分的同时达到了对数据的降维。对高维、多属性的飞参数据进行主成分分析,可以实现飞参的降维。支持向量机的学习方法则以其全局最优和泛化能力好的特点,实现对飞参阶段的划分。使用主成分分析后的数据进行阶段划分可以提高划分速度,并且划分效果更好。Principal components analysis （PCA） is a widely used linear technique for dimension reduction, which can also retain the main components of the data and realize the dimension reduction. The PCA of multi-dimensional and multi-attributed flight data was carried out, which can realize dimension reduction of flight data. The learning method of support vector ma- chine（SVM） is able to achieve the classification of flight data due to the optimization on the whole data sets and excellent generalization ability. Classification using data after PCA can improve the speed and enhance the effects.

关 键 词：飞参 主成分分析 支持向量机 阶段划分 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]