基于SDSS和UKIDSS数据的类星体选源分类器构造的中期报告.docxVIP

基于SDSS和UKIDSS数据的类星体选源分类器构造的中期报告 本篇论文的研究目的是构建一个基于SDSS和UKIDSS数据的类星体选源分类器，该分类器能够自动地将类星体从星系、星系中心、恒星和银河等不同类型的天体中区分出来。为了达到这个目的，论文作者采用了机器学习方法和特征工程技术，分别对SDSS和UKIDSS数据进行了处理和分析，并将提取出的特征送入分类器进行训练和测试。 在SDSS数据处理中，作者主要采用了深度学习方法，通过构建卷积神经网络和递归神经网络来对SDSS图像中的类星体进行自动分类。在UKIDSS数据分析中，作者则使用了传统的特征提取方法，通过PCA分析和k-means聚类算法来从UKIDSS数据中提取有意义的特征，然后将这些特征送入分类器进行训练和测试。最终，作者将两种数据处理方法的结果融合在一起，构建了一个基于SDSS和UKIDSS数据的类星体选源分类器，并在测试集中取得了较好的分类效果。 总体而言，本篇论文提出的基于SDSS和UKIDSS数据的类星体选源分类器可以为天文学家和研究者提供便利，帮助他们快速地将类星体标识出来，并进一步研究它们的性质和演化规律。不过，该分类器的应用范围还需进一步扩大和完善，以适应更多样化的数据和场景。