天體光譜分類是天文學(xué)研究的重要內(nèi)容之一,其關(guān)鍵是從光譜數(shù)據(jù)中選擇和提取對(duì)分類識(shí)別最有效的特征構(gòu)建特征空間.提出一種新的基于2維傅里葉譜圖像的特征提取方法,并應(yīng)用于LAMOST （the Large Sky Area Multi-Object Fiber Spectroscopic Telescope）恒星光譜數(shù)據(jù)的分類研究中.光譜數(shù)據(jù)來(lái)源于LAMOST Data Release 5（DR5）,選取30000條F、 G和K型星光譜數(shù)據(jù),利用短時(shí)傅里葉變換（Short-Time Fourier Transform, STFT）將1維光譜數(shù)據(jù)變換成2維傅里葉譜圖像,對(duì)得到的2維傅里葉譜圖像采用深度卷積網(wǎng)絡(luò)模型進(jìn)行分類,得到的分類準(zhǔn)確率是92.90%.實(shí)驗(yàn)結(jié)果表明通過(guò)對(duì)LAMOST恒星光譜數(shù)據(jù)進(jìn)行STFT可得到光譜的2維傅里葉譜圖像,譜圖像構(gòu)成了新的光譜數(shù)據(jù)特征和特征空間,新的特征對(duì)于光譜數(shù)據(jù)分類是有效的.此方法是對(duì)光譜分類的一種全新嘗試,對(duì)海量天體光譜的分類和挖掘處理有一定的開(kāi)創(chuàng)意義. 

【文章來(lái)源】：天文學(xué)報(bào). 2020,61(02)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

歸一化后的1維恒星光譜數(shù)據(jù)和生成后的2維傅里葉譜圖像,f是流量值在單位波長(zhǎng)內(nèi)變化的次數(shù).

其中,b=(b1,b2,...,bn)表示一條原始恒星光譜數(shù)據(jù),b1,b2,···,bn表示給定波長(zhǎng)下所對(duì)應(yīng)的n個(gè)流量值,bnorm表示歸一化后的恒星光譜數(shù)據(jù),bmax表示b1,b2,···,bn中的最大值即在某一波長(zhǎng)下的流量值達(dá)到最大.歸一化處理后,恒星光譜數(shù)據(jù)中的所有流量值均映射到[0,1]之間,數(shù)量級(jí)相同,且仍然保留了原始光譜數(shù)據(jù)中各特征間的相對(duì)大小關(guān)系在LAMOST DR5數(shù)據(jù)庫(kù)中,每1條光譜都有唯一的天體編號(hào)OBSID,一條F型星光譜數(shù)據(jù)(OBSID:492302245)在歸一化處理前后的對(duì)比圖如圖1所示.2.3 光譜數(shù)據(jù)2維傅里葉譜圖像的生成

Inception v3結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)分類方法[J]. 石超君,邱波,周亞同,段福慶.  光譜學(xué)與光譜分析. 2019(04)
[2]一種基于Map/Reduce分布式計(jì)算的恒星光譜分類方法[J]. 潘景昌,王杰,姜斌,羅阿理,韋鵬,鄭強(qiáng).  光譜學(xué)與光譜分析. 2016(08)
[3]光譜數(shù)據(jù)挖掘中的特征提取方法[J]. 李鄉(xiāng)儒.  天文學(xué)進(jìn)展. 2012(01)
[4]基于光譜特征的恒星自動(dòng)識(shí)別方法[J]. 劉中田,邱寬民.  光譜學(xué)與光譜分析. 2010(01)
[5]LAMOST科學(xué)觀測(cè)計(jì)劃[J]. 褚耀泉.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2007(06)



本文編號(hào)：3056045