聚类算法在天文学中应用.pdf

摘 要 随着大型光学望远镜的精度和深度不断提高，特别是巡天望远镜的发展，天文光学 波段的数据急剧增加，成为探索各类天体和天文现象的物理本质的强有力武器。面对天 文学“数据雪崩和“信息爆炸”时代的到来，为了解决天文数据的复杂性、非线性、 海量性和多波段性等一系列l’口J题，借助数据挖掘技术来探索隐藏在数据中的有用信息势 在必行。在此背景下，如何迅速准确地从这些海量数据中挖掘出所需要的信息，已成为 天文学观测和数据处理的一个关键问题，直接影响着天文学发展和研究进程。本文利用 一些适合于天文数据特点的数据挖掘技术和方法，主要是利用聚类算法对天体的自动分 类和寻找出特殊天体的任务。工作主要包括以下三部分： (1)基于自动聚类算法的恒星／星系分类 的恒星／星系进行自动分类，根据点源和展源的不同特征表现，选择使用了PSF(point function，点扩散函数)星等和模型星等在五个波段的差值作为输入参数，并设置 spread 了合适的标准，从而获得合理的分类结果，对恒星和星系的分类正确率分别达到了99．51 ％和98．52％，表明AutoClass算法对此类数据聚类有很好的效率。 (2)SDSS巡天的恒星样本探索 目的是探索SDSS恒星样本，找出其中的非恒星天体或特殊天体，从而建立一个纯 聚类分析，得到991个离群天体。然后将这些离群数据在NED和SIMBAD中认证， 对于已证认的，发现它们绝大多数属于特殊天体，准确率高达90．7％，而对于未证认的， 希望在更大口径更高精度的望远镜中证认，或许会发现一些有趣的天体或现象。 (3)星系形态分类 星系是构成宇宙的组成单元，而形态是它的基本特性。星系形态的研究是理解星系 物理属性的首要步骤。这里根据天文学的任务将星系分成早型星系和晚型星系两类。应 用SDSS巡天的星系测光数据，基于五个星等和四个颜色的多组参数，参考不同的分类 III 自动化算法具有高效性、灵活性、能够处理高维数据等优点。在数据日益卡．富的时代， 自动化聚类算法将越来越显示出其优越性。 关键词：数据挖掘聚类算法自动分类特殊天体星系形态分类 IV AB STRACT Withthe andthe precision of depthincreasing the bigoptical telescope，especially of ofastromomical developmentskysurvey telescope，data opticalbandpassraise，and rapid themhasbecomeforceful to the essenceofallkindsof weaponexplorephysical celestial and bodyastromomical the eraof‘‘data phenomenon．With avalanche’’and“data coming ordertosolveaseries explosion”in of of astronomy,in problems massand