天體光譜分類是天文學研究的重要內(nèi)容之一,其關鍵是從光譜數(shù)據(jù)中選擇和提取對分類識別最有效的特征構(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,對得到的2維傅里葉譜圖像采用深度卷積網(wǎng)絡模型進行分類,得到的分類準確率是92.90%.實驗結(jié)果表明通過對LAMOST恒星光譜數(shù)據(jù)進行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,新的特征對于光譜數(shù)據(jù)分類是有效的.此方法是對光譜分類的一種全新嘗試,對海量天體光譜的分類和挖掘處理有一定的開創(chuàng)意義. 

【文章來源】：天文學報. 2020,61(02)北大核心

【文章頁數(shù)】：9 頁

【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表示給定波長下所對應的n個流量值,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下的流量值達到最大.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)量級相同,且仍然保留了原始光譜數(shù)據(jù)中各特征間的相對大小關系在LAMOST DR5數(shù)據(jù)庫中,每1條光譜都有唯一的天體編號OBSID,一條F型星光譜數(shù)據(jù)(OBSID:492302245)在歸一化處理前后的對比圖如圖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】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的恒星光譜自動分類方法[J]. 石超君,邱波,周亞同,段福慶.  光譜學與光譜分析. 2019(04)
[2]一種基于Map/Reduce分布式計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.  光譜學與光譜分析. 2016(08)
[3]光譜數(shù)據(jù)挖掘中的特征提取方法[J]. 李鄉(xiāng)儒.  天文學進展. 2012(01)
[4]基于光譜特征的恒星自動識別方法[J]. 劉中田,邱寬民.  光譜學與光譜分析. 2010(01)
[5]LAMOST科學觀測計劃[J]. 褚耀泉.  中國科學技術大學學報. 2007(06)



本文編號：3056045