应用AutoClass算法聚类分析SDSS巡天恒星数据.ppt

应用AutoClass算法聚类分析SDSS巡天的恒星数据 提纲 恒星自动分类/聚类的背景 AutoClass算法 SDSS数字巡天及参数选取 AutoClass分类结果及讨论 结论 1 恒星自动分类/聚类的背景 一个完整详细的恒星样本不仅对于恒星的基本组成,演化历史,而且对于研究星系结构和演化都有很重要的意义。 随着从地面和空间观测设备获取大量的数据,构建大的完整的样本成为可能。 为了提高分类/聚类的效率，我们需要依靠区别性很好的分类器。 相关的恒星自动分类/聚类工作列举如下： A）Bazarghan (2008) 运用神经网络对从O型星到M型星的5000个光谱分类成158个光谱类型。 B）应用GLIMPSE中红外巡天数据，Mercer (2005) 运用自动检测算法在银河系星系盘中发现了一些新星团。 C）使用支持矢量机算法，Wozniak (2004) 从北天变星巡天数据中发现8678个慢变星。 D）Froebrich (2008) 通过分析恒星密度图和颜色-颜色/星等图，对银河系新的星团进行分类。 E）Jaschek (1990) 撰写了一本关于恒星分类的工具,方法和结果等综合小册子。 2 AutoClass算法介绍 AutoClass是基于Bayesian理论的一种非监督分类算法。它通过结合对实型的或者离散型的数值特性的类别描述，自动发现数据的自然分类。对于实型数据， AutoClass应用高斯分布，而对于离散型数据应用Bernoulli分布。 AutoClass的几个关键特性如下： A）自动确定类别的数目； B）能使用实型的和离散型的混合数据； C）能够处理缺值数据； D）处理需要的时间与数据量成简单的线形关系； E）产生一个报告描述发现的类别，并且通过训练数据构建的分类器预测测试数据的类型。 AutoClass被广泛应用于天文和其他的领域，有助于发现一些未知的令人惊奇的类别。 3 SDSS数字巡天及参数选取 A）SDSS数字巡天简介 SDSS数字巡天是一个在天文上非常富有野心的重要的巡天。它已经观测了将近2亿个天体，对其中的67万5千个星系，9万个类星体和18万5千多个恒星拍摄了光谱；此外，它得到了超过1/4天区的93万个星系和12万类星体在可见光五个波段的图象数据。 B）分类参数选取 我们选取SDSS DR6的恒星具有光谱的测光数据（即已经过光谱证认的测光数据），通过去缺值，得到140865条恒星测光数据。 为了实现在多维空间中的恒星聚类，每条数据记录都包含有5个属性（psf_u-u,psf_g-g,psf_r-r,psf_i-I,psf_z-z)，即PSF星等和模型星等在五个波段的各自差值。 4 AutoClass分类结果及讨论 A）AutoClass分类结果 我们将恒星分类限制在两类（stars和non-stars，这里non-stars是指特殊恒星和非恒星天体），并且将AutoClass的模型参数设置为Single_normal（没有缺值的实数特性模型）。通过运行search程序，我们获得分类结果是139874个stars和991个non-stars。 Stars和Non-stars分布图 i）星等-星等图 ii）颜色-星等图 B） non-stars的证认 我们已经应用AutoClass获得了分类结果并且选出了non-stars。下面的任务就是对这些non-stars进行证认。 i）通过SIMBAD证认 在SIMBAD中，将non-stars的坐标输入进去，将半径误差范围设置为2角秒，共获得25个non-stars的证认信息。以下是25个证认的non-stars的星等/颜色-星等图 ii）通过NED证认 在NED中，将non-stars的坐标输入进去，将半径误差范围设置为6角秒，共获得50个non-stars的证认信息。以下是50个证认的non-stars的星等/颜色-星等图 iii）通过SDSS image/spectra证认 对于不能通过SIMBAD和NED证认的non-stars, 通过检测它们的图象和光谱进行证认。随机挑选10个non-stars的数据，将它们的坐标输入进去，下表列出了10个天体的证认信息。（如果图象和光谱证认的信息不一致，以光谱分类为准） C）计算non-stars的分类正确率。下表列举出通过三种证认得到的百分率，得到通过SIMBAD， NED和通过SDSS image/spectra证认的正确率分别为76.0%，98.0%和80.0%，而总的正确率为89.4%。 D）讨论 存在一些因素影响分类的效率和结果： i）任何算法（包括监督和非监督）都要受到它处理的数据的限制。 ii）由于缺少更