大数据量交叉证认算法研究-China-VO.ppt

11/29-12/03 China-VO 2006, Guilin 内容 星表介绍 交叉证认的意义 现有的交叉证认工具 交叉证认概念 交叉证认方法比较 B-tree索引 HTM索引 HTM索引分区+kdtree 进一步工作 星表 星表是包含天体信息（如赤经、赤纬、星等、流量）的二维数据表格 多波段：光学、红外、射电、X射线等 星表的每一行对应一个天体，不同星表的同一天体的共同属性是位置信息 赤经：0~360度 赤纬：-90~90度 星表实例 交叉证认的必要性 多波段数据急剧增长 革命性步骤：数据融合 联系桥梁：位置交叉证认 交叉证认的意义 多波段数据融合，获得天体多波段信息 对天体的物理性质、演化规律获得更全面系统的认识 为进一步的统计分析、数据挖掘做准备 提取天体的参数越多，越有利于天体分类和测光红移的计算 增加了发现新天体的概率 LAMOST三大核心子课题之一 虚拟天文台数据融合必由之路 现有的交叉证认工具 SIMBAD ALADIN NED MAST TOPCAT OpenSkyquery GVO-cross-match 现有工具的优缺点 优点： 界面友好 数据资源丰富 缺点： 不能进行大样本的交叉证认 参数不能自由选择 交叉证认结果需要用户进一步加工 没有对结果进行分类 没给出交叉证认的概率 只能与特定的数据交叉证认 交叉证认的概念 将不同星表或数据库中的源按位置属性将它们联系起来，在相同位置的源或一定误差半径范围内的源，被证认为是同一天体。 证认的判断方法 证认的判断方法（例子） 2MASS：r1=0.1 ra=357.661036243116, decl=0.434507548194 SDSS：r2=0.1 ra=357.661059, decl=0.434484 d：0.000032746961 两个源满足(1)式，被证认为同一个天体 索引 Indexing mechanisms used to speed up access to desired data. B-tree索引的交叉证认 为星表的ra，decl两列建B-tree索引 以小表为中心，在大表中遍历寻找证认源 以(1)式为判断 算法复杂度O(N*N) B-tree索引的交叉证认（续） B-tree索引方法优缺点 优点： 证认精度高 缺点： 内存限制，索引不好 速度慢，算法复杂度高 HTM The Spatial Index is a quad tree of spherical triangles. The tree is built in the following way: Start out with 8 triangles on the sphere using the 3 main circles to determine them. Then, every triangle can be decomposed into 4 new triangles by drawing main circles between midpoints of its edges HTM pcode HTM level Level Area (arcmin^2) Num Leaves 10 1.77E1 8,388,608 11 1.43E0 33,554,432 12 1.11E01 34,217,728 13 2.77E-1 536,870,912 14 6.92E-2 2,147,483,648 15 1.73E-2 8,589,934,592 20 1.69E-5 8,796,093,022,208 25 1.65E-8 9,007,199,254,740,922 HTM索引的交叉证认 由星表的精度选取一定的HTM级数 由星表的ra,decl计算出HTM pcode值 两个B-tree索引 一个空间索引 N*N遍历 自然连接 省去(1)式判断，要求两个星表级数一样，即精度差不多 HTM索引的交叉证认（续） HTM索引方法优缺点 优点： 索引好，空间索引解决了内存限制问题 缺点