基于LAMOST和SDSS的天体分类及恒星温度回归.PDFVIP

基于LAMOST和SDSS的天体分类 恒星温度回归 银河系三维结构研究团组 2018年05月 天体分类 恒星有效温度回归 p MK恒星光谱型 ü 不同类型恒星光谱特征相似 ü 没有明显的截断 p 恒星有效温度 ü 连续变化 数据来源 p LAMOST （DR4 ）和SDSS （DR13 ）光谱巡天 ü 恒星，星系，类星体 ü AFGK ，SSPP p SDSS 和WISE 测光巡天 ü g-r, r-i, i-J , J-H , H-K , K-W1, W1-W2, w1mag13, w2mag13 ü g-r, r-i, i-J , J-H , H-K , K-W1, W1-W2 恒星/星系/类星体分类 p 算法 ü 2,123,831 恒星, 806,139 星系, 43,885 类星体 ü 22 机器学习算法（20%测试，80%训练） ü 随机森林（准确度：99.1% ，时间花费：57分钟） 恒星/星系/类星体分类 p 盲测 ü 6dFGS （8,382 星系）：99.5% ü RAVE • SDSS+WISE （736 恒星）：一个错误分类 • APASS+WISE （435,012 恒星）：434,735 ü UVQS （237 类星体）：224 类星体，12 星系，1 恒星 恒星/星系/类星体分类 p 盲测 ü 分数 ü 标准偏差 有效温度回归 p 算法 ü 1,327,438 恒星 ü 随机森林（十折交验证） 有效温度回归 p 盲测 ü RAVE+APASS （165,011） ü APOGEE （13,685） 有效温度回归 与其它方法比较 p Ball et al. (2006) ü 恒星/星系分类：u-g , g-r, r-i, i-z ü 决策数 ü 477,068: 90% ü 决策树：~98% p Krakowski et al. (2016) ü 恒星/星系分类：W1, W3, W1-W2, R-W1, B-R, w1mag13 ü SVM ü 1E6: 97.3% ü SVM ：70%-99% 与其它方法比较 p Liu et al. (2015) ü MK分类：27谱线指数 ü SVM ü 3,134: 50%-90% ü 不同类型恒星的线征可以非常相似 p Sarro et al. (2018) ü 光谱特征回归M恒星大气参数 ü M ：RMSE/RMDSE=160-390K/90-220K ü RAVE ：RMSE/RMDSE = 246/140 K ü APOGEE ：RMSE/RMDSE = 247/130 K 与其它方法比较 p SED模版拟合 与其它方法比较 p SED模版拟合