BP神经元网络在Web文本分类中的应用

Web文本分类是Web文本挖掘的一项重要技术,它是一种基于主题分类的指导,能够使用户在快速地找到想要的资源和知识。文本分类过程中,首先采用向量空间模型对Web文本进行特征提取,然后将得到的数据集分成样本数据集和测试数据集,将样本数据集输入BP神经元网络进行分类,网络经过训练后,输入测试数据集进行验证。实验结果证明BP神经元网络在文本分类领域有着较好的实用价值。     

天文/惯性组合系统中重力扰动补偿方法

针对重力扰动引起惯性水平基准姿态测量误差进而导致天文/惯性组合导航系统定位精度下降的问题,提出天文/惯性组合系统中的重力扰动补偿方法。首先,基于导航误差模型分析了影响天文/惯性组合导航系统定位精度的主要因素。其次,推导了重力扰动、惯性水平基准姿态测量误差与天文导航定位误差之间的传播机理。然后,研究了重力扰动建模与修正方法,并将重力扰动补偿方法应用于惯性水平基准的导航解算回路中,实现重力扰动的有效补偿。跑车试验结果表明,所提重力扰动补偿方法可以将天文/惯性组合导航系统中定位误差的振荡幅值由1.6 n mile降低至0.5 n mile。