M亞矮星是一類低質量、低光度的貧金屬性的恒星,被認為是銀河系中的古老群體。M亞矮星的研究對于探索銀河系的演化和組成至關重要。然而由于M亞矮星和M矮星有著相似的光譜形態(tài),使得二者往往混淆在一起。近年來隨著機器學習的發(fā)展,為M矮星和M亞矮星的分類提供了許多新的方法。本文重點采用基于決策樹的集成學習算法構建了M矮星和M亞矮星的分類模型。集成學習不僅能產生最終的預測結果,還能有效評估區(qū)分二者的特征。另外實驗結果表明本文在LAMOST數(shù)據(jù)集上構建的LightGBM模型可以有效區(qū)分M矮星光譜和M亞矮星光譜,算法準確率達到97.22%,并成功應用到了 SDSS數(shù)據(jù)集上。本文主要分為以下四個部分:（1）數(shù)據(jù)預處理數(shù)據(jù)預處理過程包括光譜數(shù)據(jù)的獲取、插值、歸一化和去除大氣吸收線等操作,以及數(shù)據(jù)集的劃分。（2）模型構建本實驗中,利用LAMOSTDR4的光譜數(shù)據(jù),分別構建了 SVM、隨機森林、XGBoost、LightGBM訓練模型,其中LightGBM分類效果最好,并且運行效率最高。本文的創(chuàng)新點之一就是將比較先進的集成學習算法LightGBM率先應用到M矮星和M亞矮星的分類問題當中,并且通過實驗結果說明了這... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１－２?ＳＤＳＳ?２．５米望遠鏡??１．２．３光譜數(shù)據(jù)介紹??光譜數(shù)據(jù)是天文研宄領域中最常用的、最重要的研究對象之一

?山東大學碩士學位論文???從剩下樣本數(shù)據(jù)中隨機抽取Ｗ２Ｘ１００％個樣本作為小梯度樣本集合（Ｗ為小??梯度樣本的采樣率）。最后將兩個樣本合并就得到了?ＬｉｇｈｔＧＢＭ的訓練樣本。??同時，為了平衡數(shù)據(jù)集的概率分布，還給小樣本光譜數(shù)據(jù)設置了一個權重系??數(shù)通過這樣的調節(jié)還能在一定程度上保證模型的準確率，ＧｕｏｌｉｎＫｅ??ｗ２??在論文中給出了數(shù)學證明［４４］。??實驗光譜?采樣光譜??編號?梯度?編號?梯度權重??２－５?２－５１??選擇前２個??５?３?光譜，?５?３?１??ｗｉ＝ｌ／３??Ｉ?４??剩余光譜中，隨機??４?１．５?選擇?２?個，ｗ２＝ｌ／３．?６?１－?２??６?１??１?０．５??圖３－４?ＧＯＳＳ采樣示意圖??圖３－４，舉例說明了?ＧＯＳＳ的采樣策略，首先根據(jù)梯度對所有的光譜數(shù)??據(jù)進行排序，假設■，則算法在計算增益時，對于小梯度樣本的??３?３??數(shù)據(jù)設置權重，放大＾＾＝２倍，以平衡數(shù)據(jù)分布。ＬｉｇｈｔＧＢＭ構建判別模??ｗ２??型的過程如算法３－２：??２０??

?山東大學碩士學位論文???６０００－８３００Ａ，共２３００Ａ數(shù)據(jù)，間隔為１Ａ。經過流量標準化處理后，本實驗??中輸入到算法模型中的是２３００維的連續(xù)的光譜特征。??經過歸一化和插值操作后，從數(shù)據(jù)集當中挑選出了早型（Ｍ２）的Ｍ矮??星和Ｍ亞矮星光譜和晚型（Ｍ５）的Ｍ矮星和Ｍ亞矮星光譜，如圖４－１所示：???Ｍ２???１４?靡’’?＇Ｉ?’??１．２－?Ｓｕｂｄ：ａｒｆ?Ｌ?／?Ｉ??ｘ??ｉ－?ｍ?，／?／?Ｖ，?１??〇－６－?；Ｊ＇（?＼?＾?Ｊ??０．４－??６０００?６５００?７０００?７５００?８０００??Ｗａｖｅｌｅｎｇｔｈ（Ａ）???Ｍ５???ｘ－４－?丫１??１．２?Ｓｕｂｄｗａｒｆ?，?／產＇??ｘ?／％??ｉＬ〇－?．?＾?Ｖ?．?ｉ?Ｉ??ｉ〇．８．?ｍ?ｆ??１?一?，廣?ｔｗＴ?Ｉ??ａ６＿?ｊ＼?／?＇Ｍ??。．４．?Ｖ’?ｄ?Ｄｗａｒｆ??６０００?６５００?７０００?７５００?８０００??Ｗａｖｅｌｅｎｇｔｈ（Ａ）??圖４－１?Ｍ矮星和Ｍ亞矮星的光譜形態(tài)：上半部分是Ｍ２早型，下半部分是Ｍ５晚型??圖４－１為Ｍ矮星和Ｍ亞矮星的光譜形態(tài)，橫坐標為６０００Ａ－８３００Ａ波??段，縱坐標為相對流量。從圖４－１可以看出，Ｍ亞矮星與Ｍ矮星光譜形態(tài)??及其相似，并且具有類似的特征。其中一個顯著的特征就是在可見光譜上布??滿了?ＴｉＯ、ＣａＨ、和ＣａＯＨ等分子帶。這些分子帶本質上是一些有規(guī)律的光??譜線，由分子振動和轉動躍遷形成，蘊含著大量的光譜信息。除了這些分子??帶，Ｍ亞矮星和Ｍ矮星光譜還有許多原子特征線，比如Ｎａｌ線

【參考文獻】：
期刊論文
[1]低信噪比巡天數(shù)據(jù)中特殊恒星光譜的搜尋方法[J]. 吳明磊,潘景昌,衣振萍,韋鵬.  光譜學與光譜分析. 2019(02)
[2]M矮星光譜型分類研究[J]. 衣振萍,潘景昌,羅阿理.  光譜學與光譜分析. 2013(08)
[3]The Large Sky Area Multi-Object Fiber Spectroscopic Telescope （LAMOST）[J]. Xiang-Qun Cui2, Yong-Heng Zhao1, Yao-Quan Chu3, Guo-Ping Li2, Qi Li1, Li-Ping Zhang2, Hong-Jun Su1, Zheng-Qiu Yao2, Ya-Nan Wang2, Xiao-Zheng Xing3, Xin-Nan Li2, Yong-Tian Zhu2, Gang Wang1, Bo-Zhong Gu2, A-Li Luo1, Xin-Qi Xu2, Zhen-Chao Zhang2, Gen-Rong Liu2, Hao-Tong Zhang1, De-Hua Yang2, Shu-Yun Cao1, Hai-Yuan Chen2, Jian-Jun Chen1, Kun-Xin Chen2, Ying Chen1, Jia-Ru Chu3, Lei Feng1, Xue-Fei Gong2, Yong-Hui Hou2, Hong-Zhuan Hu3, Ning-Sheng Hu2, Zhong-Wen Hu2, Lei Jia1, Fang-Hua Jiang2, Xiang Jiang2, Zi-Bo Jiang2, Ge Jin3, Ai-Hua Li2, Yan Li4, Ye-Ping Li2, Guan-Qun Liu2, Zhi-Gang Liu3, Wen-Zhi Lu2, Yin-Dun Mao4, Li Men1, Yong-Jun Qi2, Zhao-Xiang Qi4, Huo-Ming Shi1, Zheng-Hong Tang4, Qing-Sheng Tao2, Da-Qi Wang1, Dan Wang1, Guo-Min Wang2, Hai Wang2, Jia-Ning Wang2, Jian Wang3, Jian-Ling Wang1, Jian-Ping Wang3, Lei Wang2, Shu-Qing Wang1, You Wang2, Yue-Fei Wang2, Ling-Zhe Xu2, Yan Xu1, Shi-Hai Yang2, Yong Yu4, Hui Yuan1, Xiang-Yan Yuan2, Chao Zhai3, Jing Zhang5, Yan-Xia Zhang1, Yong Zhang2, Ming Zhao4, Fang Zhou2, Guo-Hua Zhou2, Jie Zhu2 and Si-Cheng Zou1 1 National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012, China; 2 Nanjing Institute of Astronomical Optics and Technology, National Astronomical Observatories, Chinese Academy of Sciences, Nanjing 210042, China 3 University of Science and Technology of China, Hefei 230026, China 4 Shanghai Astronomical Observatory, Chinese Academy of Sciences, Shanghai 200030, China 5 Institute of Architecture Design and Research, Chinese Academy of Sciences, Beijing 100190, China.  Research in Astronomy and Astrophysics. 2012(09)
[4]光譜流量標準化的高效計算[J]. 李鄉(xiāng)儒.  光譜學與光譜分析. 2012(01)
[5]天文學中的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)[J]. 張彥霞,趙永恒,崔辰州.  天文學進展. 2002(04)



本文編號：3390359