由于天文望遠(yuǎn)鏡各方面性能的提高,天文學(xué)的研究和發(fā)現(xiàn)有了飛速的發(fā)展,人類對(duì)宇宙的認(rèn)識(shí)也隨之有了很大的提高。隨著數(shù)據(jù)的不斷積累,天文學(xué)已經(jīng)到了一個(gè)“數(shù)據(jù)雪崩”的時(shí)代。我國(guó)的郭守敬望遠(yuǎn)鏡項(xiàng)目（The Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST）和國(guó)外的斯隆數(shù)字巡天（Sloan Digital Sky Survey,SDSS）等大規(guī)模巡天項(xiàng)目都可以從宇宙中觀測(cè)到海量的恒星光譜。然而,在這些恒星光譜中依然存在著大量難于處理的低質(zhì)量數(shù)據(jù)。恒星低質(zhì)量光譜的主要特征是噪聲大、流量缺失、連續(xù)譜異常以及譜線特征不明顯等。這些恒星低質(zhì)量光譜當(dāng)中存在著很多稀有恒星、未知天體等有價(jià)值的數(shù)據(jù),并且它們的獲取同樣投入了大量的人力、時(shí)間和設(shè)備等資源。因此,對(duì)觀測(cè)到的恒星低質(zhì)量光譜數(shù)據(jù)進(jìn)行處理和分析具有非常重要的意義。數(shù)據(jù)挖掘可以從大量的數(shù)據(jù)中發(fā)現(xiàn)符合條件的規(guī)則和模式,而機(jī)器學(xué)習(xí)則可以利用數(shù)據(jù)對(duì)已有的模式進(jìn)行優(yōu)化,因此數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等相關(guān)技術(shù)在處理大數(shù)據(jù)方面有著天然的優(yōu)勢(shì),越來(lái)越多的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法被應(yīng)用到巡天數(shù)據(jù)的處理及分... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：116 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－１?ＬＡＭＯＳＴ?ＤＲ５的天區(qū)覆蓋圖??

，＆〇ｇ－Ｚ；??ｍ?１＝＼??同時(shí)鑒別器Ｄ根據(jù)生成器Ｇ的生成結(jié)果調(diào)整自己的訓(xùn)練策略，調(diào)整策略采用??丄｜；｛ｌ〇ｇ［￡＞〇ｃ（／））］?＋?［ｌｏｇ（ｌ－Ｚ）（Ｇ（Ｚ⑴）））］｝進(jìn)行梯度下降，如此循環(huán)往復(fù)，直到??＾?／＝１??達(dá)到預(yù)定的損失閾值或者是訓(xùn)練次數(shù)。??上述五步就是整個(gè)ＧＡＮｓ的訓(xùn)練過(guò)程，最后博弈的結(jié)果就是生成器Ｃ？可以??生成足以“以假亂真”的數(shù)據(jù)；鑒別器Ｚ）難以判定數(shù)據(jù)的真假，也就是??／）（（？（：））?＝?０．５?〇??

山東大學(xué)博士學(xué)位論文??Ａｖ?ｄｙ??丄。丄??Ｘ?Ｙ??＿＿??Ｆ??圖２－２?Ｃｙｃｌｅ－ＧＡＮｓ總體結(jié)構(gòu)圖??—°?—?—?：?—?—Ｉ?Ｇ?—??Ｘ?’＾?Ｙ?、Ｘ?ｉ?Ｙ?．＾?Ｘ?ｚ＾ｉｆ??????ｆ?丨?丨；?Ｉｆ??????ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ??ｒ〇＾?ｚｉ〇ｓｓ??ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ．一－＾乂?＼??＼?〇??’??ｌｏｓｓ?Ｌ???圖２－３?Ｃｙｃｌｅ－ＧＡＮｓ細(xì)節(jié)結(jié)構(gòu)圖??與ＧＡＮｓ不同的是Ｃｙｃｌｅ－ＧＡＮｓ采用的是兩個(gè)訓(xùn)練方向相反的ＧＡＮｓ，因此??它有兩個(gè)生成器，一個(gè)是ＧＪＴ－＞Ｆ，另一個(gè)是同時(shí)也有兩個(gè)鑒別器??Ｚ）Ａ．與Ｚ＼；鑒別器／），．主要是用來(lái)分辨輸入的義和輸出的廠（＞〇的真假，而鑒別器??Ａ目標(biāo)是分辨ｙ和Ｇ（；ｃ）的真假，因此它的對(duì)抗損失函數(shù)由兩部分組成：??＝?＾ｘ－／，ｄＭ１１（ｊｔ）［ｌ〇ｇ＾ｒ（ｘ）］?＋?＾＇ｙ？／，（ｔｅａ（ｙ）［ｌ〇ｇ（ｌ＿?■（尸（少）））］（２．４）??ＡｕＡ／（Ｇ，Ｄｙ）＝五ｙ－ＫｊｌＯｇ?Ａ．?〇０］?＋?＿?Ａ１?（Ｇ（Ｘ）））］?（２．５）??與此同時(shí)，為了進(jìn)一步正則化生成器防止模型坍塌，Ｃｙｃｌｅ－ＧＡＮｓ引入了另外的??兩個(gè)循環(huán)一致性損失，也就是生成的數(shù)據(jù)可以通過(guò)反卷積的方式再恢復(fù)到原始的??輸入數(shù)據(jù)，１－＞（３：（：）￡：）４廠（０（：）〇）？《和少￣＾廠（少）￣＾０：（／；＇（＞〇）？夕。這兩個(gè)循環(huán)—－??致性損失可以利用下面的公式表示：??Ｌｃｙｃ（Ｇ，?Ｆ）?＝?Ｅｘ＾ａ（ｘ）［｜｜?Ｆ（Ｇ（ｘ））?－?ｘ?ＩＩ，?］?＋?５ｙ．＾

【參考文獻(xiàn)】：
期刊論文
[1]基于樣條函數(shù)的恒星光譜自動(dòng)歸一化方法[J]. 羅鋒,劉超,趙永恒.  天文研究與技術(shù). 2019(03)
[2]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(xué)與光譜分析. 2019(02)
[3]DA白矮星視向速度測(cè)量[J]. 趙穎玥,羅阿理.  天文研究與技術(shù). 2019(01)
[4]低分辨率恒星光譜的[α/Fe]估計(jì)方法研究[J]. 盧瑜,李鄉(xiāng)儒,林揚(yáng)濤,邱凱斌.  天文學(xué)報(bào). 2018(04)
[5]恒星大氣參數(shù)測(cè)量[J]. 袁海龍,張彥霞,張昊彤,趙永恒.  天文研究與技術(shù). 2018(03)
[6]恒星低質(zhì)量光譜的連續(xù)譜擬合方法[J]. 吳明磊,潘景昌,衣振萍,韋鵬.  光譜學(xué)與光譜分析. 2018(03)
[7]早M型矮恒星光譜聚類方法與分析[J]. 劉杰,潘景昌,吳明磊,劉聰,韋鵬,衣振萍,劉猛.  光譜學(xué)與光譜分析. 2017(12)
[8]基于距離度量的LAMOST光譜中連續(xù)譜異常的自動(dòng)檢測(cè)[J]. 于敬敬,潘景昌,孟凡龍,韋鵬.  光譜學(xué)與光譜分析. 2017(07)
[9]基于LASSO算法的恒星α元素豐度估計(jì)方法研究[J]. 卜育德,潘景昌,王春雨,陳修梅.  光譜學(xué)與光譜分析. 2017(01)
[10]線指數(shù)特征空間內(nèi)恒星光譜離群數(shù)據(jù)挖掘與分析[J]. 王光沛,潘景昌,衣振萍,韋鵬,姜斌.  光譜學(xué)與光譜分析. 2016(10)



本文編號(hào)：3602008