【摘要】：大規(guī)模光譜巡天項目如LAMOST等產生了海量極具研究價值的觀測數(shù)據(jù),如何對此數(shù)量級的數(shù)據(jù)進行有效的分析是當前的一個研究熱點。聚類算法是一類無監(jiān)督的機器學習算法,可以在不依賴于領域知識的情況下對數(shù)據(jù)進行處理,發(fā)現(xiàn)其中的規(guī)律與結構。恒星光譜聚類是天文數(shù)據(jù)處理中一項非常重要的工作,主要對海量光譜巡天數(shù)據(jù)按照其物理及化學性質分類。針對LAMOST巡天中的早M型矮恒星的光譜數(shù)據(jù),使用多種聚類算法如K-Means,Bisecting K-Means和OPTICS算法做了聚類分析,研究不同聚類算法在早M型恒星數(shù)據(jù)的表現(xiàn)。聚類算法在一定程度依賴于其使用的距離度量算法,同時研究了歐氏距離、曼哈頓距離、殘差分布距離和上述三種聚類算法搭配下的表現(xiàn)。實驗結果表明:(1)聚類算法可以很好地輔助分析早M型矮恒星的光譜數(shù)據(jù),聚類產生的簇心數(shù)據(jù)和MK分類吻合得非常好。(2)三種不同聚類算法表現(xiàn)不盡相同,Bisecting K-Means在恒星光譜細分類方面更有優(yōu)勢。(3)在聚類的同時也會產生一些數(shù)量較少的簇,從這些簇中可以發(fā)現(xiàn)一些稀有天體候選體,相對而言OPTICS適合用來尋找稀有天體候選體。

【相似文獻】

相關期刊論文 前10條

1 張繼福;馬洋;;一種基于約束概念格的恒星光譜數(shù)據(jù)自動分類方法[J];光譜學與光譜分析;2010年02期

2 覃冬梅,胡占義,趙永恒;一種基于主分量分析的恒星光譜快速分類法[J];光譜學與光譜分析;2003年01期

3 李加林;恒星光譜分析[J];陜西師大學報(自然科學版);1995年S1期

4 潘文玲;恒星光譜的信息[J];西安礦業(yè)學院學報;1996年01期

5 ;數(shù)字[J];發(fā)明與創(chuàng)新(大科技);2014年03期

6 許慧芳,劉宗禮;光譜底片處理自動化[J];云南天文臺臺刊;1981年01期

7 翟迪生,蔣世仰;高信噪比恒星光譜工作熱點[J];天文學進展;1991年02期

8 趙景昆;趙剛;陳玉琴;;高分辨率恒星光譜處理與元素豐度分析軟件平臺[J];天文研究與技術;2007年02期

9 張健楠;吳福朝;羅阿理;;核回歸方法在恒星光譜物理參量自動估計中的應用[J];光譜學與光譜分析;2009年04期

10 潘景昌;張彩明;韋鵬;羅阿理;趙永恒;;自動識別發(fā)射線恒星光譜的新方法[J];光譜學與光譜分析;2012年06期

相關會議論文 前1條

1 李申;姜碧溈;;8000-9200，

本文編號：2561117