天文大数据课件.pptxVIP

天文大数据

;概要;大数据（bigdata），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[1]?中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。

;大数据的特点;截止2014年，数据日产量2.3ZB(2.3×1021);大数据时代;数据的大小和增长速度都在持续增长;数据的存储单位;数据量;数据的存储单位;巨量;数据挖掘—知识发现过程的核心;有效的数据挖掘分解图;100,000,000;人工智能、机器学习与深度学习;机器学习与数据挖掘的区别与联系;发现时代的到来;天文学:数据驱动的科学;天文学：是发现驱动的科学

;天文学：是发现驱动的科学;天文学：数据日益丰富的学科;近十年来的大型天文设备;巡天数据;天文学的新面貌;科学研究的四个阶段;假设驱动的科学数据驱动的科学;;天文数据的特点;天文数据的常用类型;星系的图像和光谱、恒星和气体的光谱;天文中的数据挖掘课题;天文的应用：恒星光谱分类;天文的应用：星系形态分类;天文的应用：超新星分类;天文的应用：测光红移预测

;天文的应用：恒星参数估计;天文应用：聚类问题;天文应用：离群探测;降维问题:

寻找相关性和参数

的基平面;天文应用：叠加与分解;最优化问题:

在高维参数空间中如何找到复杂的多变量函数的最优解（最佳拟合、全局最大似然）;变源寻找

变星、超新星、类星体、双星、

伽玛射线暴等的发现

周期寻找

在时序数据中寻找周期性变化

;;X-Informatics兴起（X=天文、生物、地球等）

--多学科领域的交叉（科学+计算机+信息技术）

--更广泛的社区参与（贡献者和用户）

--提供了交叉科学方法共享的机制

--提供有用的网页服务;参数空间探索:核心问题;问题;可视化搭建起定量信息和

人类认知的桥梁;面临的挑战：可视化的复杂性;人工智能的应用;科学方法迁移;;数据驱动发现中心（CD3）/;OODT：用于构建分布式数据密集

系统的Apache开源框架;数据可视化;第四范式卷土重来;虚拟现实：终极前沿;挑战;天文统计和信息组织;天文会议或组织;大数据时代蓝图;总结;;;DataMining—core;WorkofeachDMprocess