标题:早M型矮恒星光谱聚类方法与分析
作者:刘杰[1];潘景昌[1];吴明磊[1,3];刘聪[1];韦鹏[2];衣振萍[1];刘猛[1]
作者机构:[刘杰] 山东大学(威海)机电与信息工程学院, 威海, 山东 264209, 中国.;[潘景昌] 山东大学(威海)机电与信息工程学院, 威海, 山东 264209, 中国.;[吴明磊] 山东大学 更多
通讯作者地址:[Pang, JC]Shandong Univ, Sch Mech Elect & Informat Engn, Weihai 264209, Peoples R China.
来源:光谱学与光谱分析
出版年:2017
卷:37
期:12
DOI:10.3964/j.issn.1000-0593(2017)12-3904-04
关键词:LAMOST;聚类;降维;
摘要:大规模光谱巡天项目如LAMOST等产生了海量极具研究价值的观测数据,如何对此数量级的数据进行有效的分析是当前的一个研究热点。聚类算法是一类无监督的机器学习算法,可以在不依赖于领域知识的情况下对数据进行处理,发现其中的规律与结构。恒星光谱聚类是天文数据处理中一项非常重要的工作,主要对海量光谱巡天数据按照其物理及化学性质分类。针对LAMOST巡天中的早M型矮恒星的光谱数据,使用多种聚类算法如K-Means,Bisecting K-Means和OPTICS算法做了聚类分析,研究不同聚类算法在早M型恒星数据的表现。聚类算法在一定程度依赖于其使用的距离度量算法,同时研究了欧氏距离、曼哈顿距离、残差分布距离和上述三种聚类算法搭配下的表现。实验结果表明:(1)聚类算法可以很好地辅助分析早M型矮恒星的光谱数据,聚类产生的簇心数据和MK分类吻合得非常好。(2)三种不同聚类算法表现不尽相同,Bisecting K-Means在恒星光谱细分类方面更有优势。(3)在聚类的同时也会产生一些数量较少的簇,从这些簇中可以发现一些稀有天体候选体,相对而言OPTICS适合用来寻找稀有天体候选体。
收录类别:EI;CSCD;SCIE
资源类型:期刊论文
原文链接:http://lib.cqvip.com/qk/90993X/201712/674128541.html
TOP