基于堆叠降噪自编码的恒星星系分类研究.PDFVIP

第卷第期 天 文 学 报 年月 基于堆叠降噪自编码的恒星星系分类 研究∗ † ‡ 秦浩然 林基明 王俊义 桂林电子科技大学广西信息科学实验中心桂林 桂林电子科技大学广西密码学与信息安全重点实验室桂林 摘要 近年来 深度学习算法以其适应性强、准确率高、结构复杂等特性在数据挖掘算 法中异军突起 但是在天文信息学中深度学习算法还鲜有问津 针对斯隆数字巡天 恒星星系分类中普遍存在的亮源集分类正确率高但暗源集 分类正确率低等问题 引入了深度学习中较新的研究成果堆叠降噪自编码 神经网络和 微调技术 从释放出的带有 光谱证认 的测光数据中分别随机抽取 和 的亮源集和暗源集并对其进行预处理 再分别对它们的亮源 集和暗源集做不放回随机抽样 得到它们亮源和暗源的训练集和测试集 最后用这些训 练集分别训练得到了和亮源和暗源的模型 并将在测试集上的 测试结果与支持向量机软件包 、决 策树、逻辑模型树 、支持向量机 、逻辑回归 、单层决策树算法 上 的测试结果进行比较 同时将在测试集上的测试结果与种决策树的测试结果进 行比较 仿真表明在和必威体育精装版的暗源集上的分类性能明显优于 其他算法 尤其是在使用完备函数 作为衡量指标时 相 比决策树算法在暗源集正确率提高了左右 关键词 方法 数据分析 技术 测光 星系 基本参数 恒星 基本参数 宇宙学 观测 中图分类号 文献标识码 引言 在过去多年中 随着先进数字 探测器的使用 并结 合快速发展的计算力和数据存储技术 天文数据的获取经历了一场革命性的变化 预计 收到原稿 收到修改稿 国家自然科学基金项目、广西自然科学基金项目、广西信 息科学实验中心项目 及桂林电子科技大学研究生教育创新计划项目资助 期 秦浩然等 基于堆叠降噪自编码的恒星星系分类研究 每年产生的数据量将可能达到级 而面对如此庞大的数据量如何进行有效的数据分 析将变得尤为重要 恒星星系分类是天文数据分析的基本内容之一 人们对它的研究可 以追溯到世纪 到目前为止很多方法已经被广泛应用于恒星星系分类中 它们主要 包括了基于形态、启发式分割和机器学习等方法 从形态上区分恒星星系是一种最普 遍的方法 它们主要是利用恒星与星系所表现出的不同形态恒星的形态通常为点源 而星系的形态为展源来进行分类 这些方法对于亮的恒星星系分类非常有效 原因是 从亮源中获得的形态信息的信噪比很高 但是从暗源得到的形态信息包含很大噪声 致 使这种方法的效果大大降低 另外一种比较普遍的恒星星系分类方法是基于可观测图 像的属性和相关统计特征进行启发式分割 这种分类方法的优点是非常容易被定义 和仿真 但它也有很多的不足 如分割的选择本质上是带有任意性的 机器学习方法是一 类现在非常热门的自动分类方法 主要包括决策树、支持向量机、神经网络和聚类等方 法 它们可以有效杜绝启发式分割随意性的问题 如严太生等人将自动聚类算法 应用于恒星星系分类 等人用种不同的决策树算法对数据 进行了恒星星系分类研究 使亮源分类的完备性都达到了左右 而暗源分类的完备