一、恒星光谱分类 恒星光谱分类是根据恒星光谱特征来对恒星进行分类的方法。通过观察恒星的光谱,我们能够获得关于恒星的重要信息,包括温度、化学成分、年龄以及演化阶段等。 早期的恒星光谱分类是由安·安德森和理查德·福勒于1890年提出的,他们根据恒星光谱中吸收线的形状和强度将恒星分为多个分类。后来,哈罗·拉塞尔在20...
二十八星宿是我国古代对恒星的分类方法,它分布在地球的赤道和黄道带地区。在我国周代以前,人们就把星空划分为三垣四象二十宿。 三垣是北天极周围的三个区或,即紫微垣、太微垣和天市垣。四象分布于黄道近旁,环天一周。每象各分七段,称为“宿”,总共为二十八宿。 然而,二十八星宿是如何划分的呢?我国宋代的科学...
恒星光谱分类法恒星光谱分类法 以恒星光谱所显示出的某些差异为根据,将各类恒星 进行组合划分,找出同类恒星的共性和不同类恒星的 特性,以及它们之间的联系的方法。 大多数恒星的光谱是在连续光谱上有吸收线,少数兼 有发射线或只有发射线。 这表明大多数恒星是被较冷的恒星大气包围的炽热的 ...
基于多尺度特征融合的恒星光谱分类方法 韩博冲1,2, 宋轶晗1,2,*, 赵永恒1,2 特征融合示意图
专利权项:1.一种基于深度学习的恒星光谱分类方法,其特征在于,包括以下步骤:步骤一、获取并预处理LAMOST恒星光谱数据;步骤二、获取LAMOST光谱型标注数据,并同SIMBAD交叉证认;步骤三、结合步骤一与步骤二分别得到的光谱与标注数据,制作数据集;制作的数据集包含两个部分:标注数据集与无标签数据集;标注数据集的制作,是依...
和常见的通过过采样扩充数据集相比,利用 GAN 扩充数据集,结合一维 CNN 对恒星光谱进行全分类,可以将 O型星的分类准确率由 72.92% 提升至 97.92% ,整个分类器的准确率达到 96.28% 。实验结果表明,使用这种半监督模式的恒星光谱自动分类方法可以实现对七类恒星光谱的快速、准确分类,也可以用于对标记为“ Unknown ”...
因此,本研究旨在探究机器学习方法在恒星光谱自动分类问题中的应用,提高分类准确度和效率。 2. 研究方法 本研究采用深度学习方法,以卷积神经网络(CNN)为基础模型,结合数据增广和迁移学习等技术进行光谱分类。 具体步骤如下: (1)数据预处理:处理原始光谱数据,对波长范围和采样间隔进行统一,去除噪声和仪器漂移等影响因素...
准确恒星光谱型分类方法的问题.所述方法包括步骤:获取并预处理光谱数据;获取标注数据并交叉证认;制作标注数据集与无标签数据集;构建深度学习分类模型;应用模型扩充训练数据并二次训练.本发明的数据处理方法可以得到大规模且高质量的训练数据集;所构建的半监督多层感知机模型面对光谱巡天观测的大样本,具有很高的分类准确...
摘要 本发明公开了一种基于深度学习的恒星光谱分类方法,针对目前LAMOST等大规模光谱巡天缺乏快速、准确恒星光谱型分类方法的问题。所述方法包括步骤:获取并预处理光谱数据;获取标注数据并交叉证认;制作标注数据集与无标签数据集;构建深度学习分类模型;应用模型扩充训练数据并二次训练。本发明的数据处理方法可以得到大规模且...
摘要 本发明提供的一种将恒星光谱数据快速分类的方法,首先寻找每一类的典型光谱作为聚类中心,然后其他光谱依据到每一类典型光谱之间的距离将其进行聚类。通常,聚类中心是那些在较小半径内具有较高密度并且彼此远离的数据点,本发明使用MNN(M最近邻居),密度和距离来确定初始聚类中心。从光谱数据本身的特征出发,通过计算每条...