【摘要】：恒星的分類對了解恒星和星系形成與演化歷史具有重要的研究價值。面對大型巡天計劃及由此產(chǎn)生的海量數(shù)據(jù),如何迅速準確地將天體自動分類顯得尤為重要。通過對SDSS DR9的恒星光譜數(shù)據(jù)進行深度置信神經(jīng)網(wǎng)絡(DBN)、神經(jīng)網(wǎng)絡和支持向量機(SVM)等算法分類的對比,分析三種自動光譜分類方法在恒星分類上的適用性。首先利用上述三種方法對K,F恒星進行識別分類,然后再分別對K1,K3和K5次型和F2,F5,F9次型識別,最后基于SVM支持向量機的二次分類模型,利用K次型的數(shù)據(jù),構(gòu)建剔除不屬于K次型的模型。結(jié)果表明:深度置信網(wǎng)絡對K,F型恒星分類效果較好,但是對K,F次型的分類效果不佳;SVM支持向量機在K,F型恒星分類以及相應的次型分類都具有較好的識別率,對K,F型分類效果要好于K,F次型的分類效果;BP神經(jīng)網(wǎng)絡對K,F型恒星以及其次型的識別一般;在剔除不屬于K次型實驗中,剔除率高達100%,可知SVM能夠?qū)ξ粗墓庾V數(shù)據(jù)進行篩選與分類。
[Abstract]:The classification of stars is of great value to understand the history of star and galaxy formation and evolution. In the face of large-scale sky patrol plan and the resulting massive data, how to quickly and accurately classify celestial bodies is particularly important. By comparing the star spectral data of SDSS DR9 with (DBN), neural network and (SVM) algorithm, the applicability of the three automatic spectral classification methods in star classification is analyzed. Firstly, the K, F stars are identified and classified by the above three methods, and then the K1, K3 and K5 and F2, F5 and F9 types are identified respectively. finally, based on the quadratic classification model of SVM support vector machine, the model which does not belong to the K type is constructed by using the data of the K order type. The results show that the deep confidence network has good classification effect on K, F type stars, but the classification effect on K, F type stars is not good, SVM support vector machine has good recognition rate in K, F type star classification and corresponding subtype classification, and the classification effect of K, F type classification is better than that of K, F type classification, and BP neural network is generally used for K, F type stars and the second type, and the classification effect of K, F type stars is better than that of K, F type stars, but the classification effect of K, F type stars is not good for K, F type stars, but the classification effect of K and F type stars is not good. In the K-order experiment, the removal rate is as high as 100%. It can be seen that SVM can screen and classify the unknown spectral data.
【作者單位】： 三峽大學計算機與信息學院;三峽大學理學院;
【基金】：國家自然科學基金天文聯(lián)合基金項目(U133113) 湖北省教育廳科研項目(B2015251) 三峽大學科學基金項目(KJ2013B018)資助
【分類號】：P144.1;TP183

【參考文獻】

相關期刊論文 前5條

1 胡振;傅昆;張長水;;基于深度學習的作曲家分類問題[J];計算機研究與發(fā)展;2014年09期

2 阮華;戴連奎;;支持向量機分類與回歸聯(lián)合建模方法及其在拉曼光譜分析中的應用[J];儀器儀表學報;2010年11期

3 嚴太生;張彥霞;趙永恒;李冀;;基于自動聚類算法(AutoClass)的恒星/星系分類[J];中國科學(G輯:物理學 力學 天文學);2009年12期

4 李鄉(xiāng)儒;胡占義;趙永恒;;基于Fisher判別分析的有監(jiān)督特征提取和星系光譜分類[J];光譜學與光譜分析;2007年09期

5 熊宇虹,溫志渝,陳剛,黃儉,徐溢;基于小波變換和支持向量機的光譜多組分分析[J];光子學報;2005年10期

【共引文獻】

相關期刊論文 前10條

1 李俊峰;汪月樂;胡升;何慧靈;;基于DBN,SVM和BP神經(jīng)網(wǎng)絡的光譜分類比較[J];光譜學與光譜分析;2016年10期

2 杜麗娟;嚴紅梅;陳錦玉;汪祿祥;邵金良;和麗忠;;2種判別方法對黑木耳產(chǎn)地分類的比較研究[J];山西農(nóng)業(yè)科學;2015年11期

3 張炯;陶智勇;;基于deep learning的語音識別[J];電子設計工程;2015年18期

4 王拓;戴連奎;;重整汽油在線拉曼分析系統(tǒng)開發(fā)與工業(yè)應用[J];儀器儀表學報;2015年06期

5 劉忠寶;高艷云;王建珍;;基于流形模糊雙支持向量機的恒星光譜分類方法[J];光譜學與光譜分析;2015年01期

6 路士增;林蘭波;姜明順;賈磊;隋青美;賽耀樟;;基于光纖光柵傳感器的復合材料損傷識別系統(tǒng)[J];光學精密工程;2014年11期

7 李津蓉;戴連奎;武曉莉;周揚;;基于Voigt峰的未知成分光譜擬合算法及其在甲醇汽油定量分析中的應用[J];分析化學;2014年10期

8 路士增;姜明順;隋青美;賽耀樟;曹玉強;張法業(yè);賈磊;;基于小波變換和支持向量多分類機的光纖布拉格光柵低速沖擊定位系統(tǒng)[J];中國激光;2014年03期

9 楊延榮;楊仁杰;張志勇;楊士春;梁鵬;;基于參量化二維相關紅外譜和最小二乘支持向量機判別摻雜牛奶[J];光子學報;2013年09期

10 姚捷;戴連奎";林藝玲;;基于拉曼特征峰的甲醇汽油甲醇含量測定[J];光散射學報;2013年01期

【二級參考文獻】

相關期刊論文 前10條

1 孫麗萍;范宇;張冬妍;曹軍;;基于LSSVM的木材干燥在線建模研究[J];儀器儀表學報;2009年09期

2 朱德泉;錢良存;駱敏舟;;谷物干燥過程模糊支持向量機控制器的設計[J];電子測量與儀器學報;2009年04期

3 張曉曼;戴連奎;;結(jié)合分類與局部PLS的近紅外光譜定量分析[J];光譜學與光譜分析;2008年12期

4 朱遠平;戴汝為;;基于SVM決策樹的文本分類器[J];模式識別與人工智能;2005年04期

5 許馨,羅阿理,吳福朝,趙永恒;基于神經(jīng)網(wǎng)絡的模板匹配方法求正常星系紅移[J];光譜學與光譜分析;2005年06期

6 王景雷,吳景社,孫景生,齊學斌;支持向量機在地下水位預報中的應用研究[J];水利學報;2003年05期

7 張蕾,何小榮,陳丙珍;常減壓裝置生產(chǎn)數(shù)據(jù)的聚類分析[J];計算機與應用化學;2003年Z1期

8 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

9 丁亞平,陳念貽,吳慶生,李國正,楊杰;導數(shù)光譜-支撐向量回歸法同時測定NO_3~-和NO_2~-[J];計算機與應用化學;2002年06期

10 李凌均,張周鎖,何正嘉;支持向量機在機械故障診斷中的應用研究[J];計算機工程與應用;2002年19期

【相似文獻】

相關期刊論文 前10條

1 劉彩紅;唐萬梅;;基于組合神經(jīng)網(wǎng)絡的教師評價模型研究[J];重慶師范大學學報(自然科學版);2008年04期

2 鐘義信;;神經(jīng)網(wǎng)絡:成就、問題與前景[J];科學;1992年02期

3 莫恭佑;;神經(jīng)網(wǎng)絡及其在英國的應用[J];國際科技交流;1992年03期

4 閔志;;神經(jīng)網(wǎng)絡:使計算機具有快速學習功能[J];國際科技交流;1992年03期

5 馮建峰,錢敏平;神經(jīng)網(wǎng)絡中的退火——非時齊情形[J];北京大學學報(自然科學版);1993年03期

6 唐功友;離散Hopfield神經(jīng)網(wǎng)絡的穩(wěn)定性[J];青島海洋大學學報;1994年S2期

7 靳蕃;;中國神經(jīng)網(wǎng)絡學術大會在西南交通大學隆重召開[J];學術動態(tài)報道;1996年04期

8 彭宏,張素;帶有時滯的神經(jīng)網(wǎng)絡的穩(wěn)定性[J];杭州大學學報(自然科學版);1997年04期

9 陳新,孫道恒,黃洪鐘;結(jié)構(gòu)分析有限元系統(tǒng)與神經(jīng)網(wǎng)絡[J];起重運輸機械;1999年06期

10 成宇;神經(jīng)網(wǎng)絡是怎么搭建的?[J];百科知識;2005年16期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：2500391