基于深度学习的LAMOST光谱分类研究.PDFVIP

第卷第期 天 文 学 报 年月 基于深度学习的光谱 分类研究 许婷婷 马晨晔 张静敏 周卫红 云南民族大学数学与计算机科学学院昆明 云南农业职业技术学院经济管理学院昆明 中国科学院天体结构与演化重点实验室昆明 摘要 光谱分类不仅对理解恒星物理学有着重要意义 而且在研究银河系整体结构和 演化过程中起着至关重要的作用 然而在相关研究中仍存在分类精度低和光谱型未知 等问题 因此提出一种新的光谱自动分类模型并将其应用在、和 种恒星光谱的 分类中 方法的基本思想是训练一个深度信念网络对光谱数据进行分层特征学习 然后 采用反向传播算法对整个模型进行微调 从 中选取条包含、和 种 恒星的光谱数据 并在软件中与 数据进行交叉 得到颜色星等图并验证光谱数据的分布 最后对该模型进 行评估 结果表明 深度信念网络在综合性能上优于其他分类算法 关键词 恒星 基本参数 方法 数据分析 方法 统计学 技术 光谱分析 中图分类号 文献标识码 引言 伴随着天文观测仪器的问世 例如在 、 和 等巡天项目中大量光谱数据也随之产生 在这些已获得的光谱数据中 有很多是光谱型未知或者是现有分类可信度低的光谱数 据 从这些光谱数据中获得有价值的信息 提高望远镜的科学产出是非常有必 要的 因此对这些光谱数据进行分析研究是一项非常重要的工作 天体光谱处理主要是自动地对光谱进行分析与测量 抽取出光谱中所包含的各 种物理信息 如视向速度、光谱型和红移等 并实现光谱的测量、证认和分类 鉴 收到原稿 收到修改稿 国家自然科学基金项目 云南民族大学研究生创新基金科研项目 中国科学院天体结构与演化重点实验室资助 卷 天 文 学 报 期 于海量的光谱数据 引入计算机程序进行自动或者半自动的分析处理显得尤 为重要 随着光谱观测在天文上的广泛开展 学者们对光谱分类的方法及在天文上的应用进 行了大量研究 较早的有吴永东等 应用空间选择性滤波、多尺度形态滤波等技术对类 − 星体光谱进行识别 后来覃冬梅等 提出了两种快速的恒星光谱型分类方法 一种是 基于主成分分析方法利用最近邻分类器构建分类树进行光谱分类 另一种方法是结合主 成分分析方法提出一种新的基于支撑矢量机的非活动天体与活动天体的自动分类方法 等 采用支持向量机方法对星系的分类问题进行了研究 赵瑞珍等 采用基 于稀疏表示的方法进行谱线自动提取的研究 巡天项目投入运行之后 与美国的巡天项目相比较 没有 配套的测光观测 只有光谱数据 在进行自动分类时不能借助色指数 对分类识别增加