基于深度学习的脉冲星识别系统设计与实现

发布时间：2017-12-30 15:24

  本文关键词：基于深度学习的脉冲星识别系统设计与实现　出处：《贵州大学》2016年硕士论文　论文类型：学位论文

  更多相关文章： 深度学习 RBM 脉冲星识别 Hadoop

【摘要】：500米口径球面射电望远镜-FAST,是中国科技最重要的基础设施之一。FAST项目的目标之一是发现5000颗脉冲星,经过初步估计候选的脉冲星信号多达100万以上。要在庞大数量的候选脉冲星信号中去找出数量很少的真实脉冲星信息,如果依靠人工去识别脉冲星信号,工作量太过巨大,对于人力、财力和时间的投入都是不现实的。使用计算机来对星体信号进行识别,将极大的减少人力和财力支出,节省大量时间,极大的提高对脉冲星的识别效率,促进FAST目标的顺利实现。深度学习是机器学习近年来新兴的一个热点研究方向,在图像识别领域取得了巨大的成功。本文基于深度学习方法研究脉冲星信号识别,设计并实现了脉冲星识别的软件系统。完成的研究工作包括:(1)参考脉冲星的人工识别方法,研究基于深度学习的脉冲星识别综合模型。综合模型融合了基于深度学习的图像识别算法和对数值信息分类的BP人工神经网络算法。实验结果表明,本文提出的脉冲星识别算法是可行的;(2)设计并实现了脉冲星识别的软件系统,在分布式计算框架Hadoop上,结合HDFS和MySQL数据库各自的优点,将海量的候选脉冲星图像文件存储在HDFS中,将系统配置信息、脉冲星识别结果等元数据信息存储在MySQL数据库中,充分利用Hadoop分布式计算的优势,将图像处理等计算密集型操作采用分布式实现。
[Abstract]:......
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P111.44;TP391.41
，

本文编号：1355554