分类精度近翻倍
融合深度特征学习与物理约束，在保持动力学一致性的同时显著缩小可允许域，提升未知轨道族分类效率与鲁棒性。
Jiayi, Li · 蔡晗 · 孙秀聪 · 桂海潮 · 张琛
Journal of Image and Graphics 2025
CNN学到的特征簇与雅可比常数约束共同作用，排除了不一致区域，使可允许域面积缩减超过50%，直接减少轨道确定的计算量。
CNN能提取纯物理方法无法捕捉的细微非线性特征，使未知轨迹分类成功率从25%提升到50%，实现了近翻倍的精度。
即使在位置不确定达到1000角秒的高噪声条件下，框架仍维持50%的识别率，证明其在实际观测场景中的可靠性。