早M型矮恒星光谱聚类方法与分析

发布时间：2019-11-15 03:09

【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。

【相似文献】

相关期刊论文 前10条

1 张继福;马洋;;一种基于约束概念格的恒星光谱数据自动分类方法[J];光谱学与光谱分析;2010年02期

2 覃冬梅,胡占义,赵永恒;一种基于主分量分析的恒星光谱快速分类法[J];光谱学与光谱分析;2003年01期

3 李加林;恒星光谱分析[J];陕西师大学报(自然科学版);1995年S1期

4 潘文玲;恒星光谱的信息[J];西安矿业学院学报;1996年01期

5 ;数字[J];发明与创新(大科技);2014年03期

6 许慧芳,刘宗礼;光谱底片处理自动化[J];云南天文台台刊;1981年01期

7 翟迪生,蒋世仰;高信噪比恒星光谱工作热点[J];天文学进展;1991年02期

8 赵景昆;赵刚;陈玉琴;;高分辨率恒星光谱处理与元素丰度分析软件平台[J];天文研究与技术;2007年02期

9 张健楠;吴福朝;罗阿理;;核回归方法在恒星光谱物理参量自动估计中的应用[J];光谱学与光谱分析;2009年04期

10 潘景昌;张彩明;韦鹏;罗阿理;赵永恒;;自动识别发射线恒星光谱的新方法[J];光谱学与光谱分析;2012年06期

相关会议论文 前1条

1 李申;姜碧沩;;8000-9200，

本文编号：2561117