一种基于约束概念格的恒星光谱数据自动分类方法
发布时间:2019-01-02 13:02
【摘要】:概念格是数据分析与知识提取的一种有效形式化工具,约束概念格是一种新的概念格结构,具有构造的时空复杂性低,所提取知识的实用性和针对性强等特点。针对海量恒星光谱自动分类任务,依据约束概念格结点外延与训练样本数据集等价划分之间的关系,通过引入外延支持度和划分支持度的概念,提出了一种基于约束概念格的恒星光谱数据分类规则挖掘方法,并采用SDSS恒星光谱数据集,实验验证了由该方法所提取出的分类规则具有较高的分类效率和分类正确率,从而为海量的恒星光谱数据自动分类提供了一种有效方法。
[Abstract]:Concept lattice is an effective formalization tool for data analysis and knowledge extraction. Constrained concept lattice is a new concept lattice structure with the characteristics of low space-time complexity, practicability and pertinence of the extracted knowledge. According to the relation between the extension of constrained concept lattice node and the equivalent partition of training sample data set, the concepts of extension support and partition support are introduced for the automatic classification of massive star spectrum. In this paper, a method of star spectral data classification rule mining based on constrained concept lattice is proposed, and the SDSS star spectral data set is used. The experimental results show that the classification rules extracted by this method have high classification efficiency and classification accuracy. This provides an effective method for automatic classification of massive stellar spectral data.
【作者单位】: 太原科技大学计算机科学与技术学院;
【基金】:国家自然科学基金项目(6057307560773014) 山西省回国留学人员科研项目(2009-77)资助
【分类号】:P144.1
本文编号:2398521
[Abstract]:Concept lattice is an effective formalization tool for data analysis and knowledge extraction. Constrained concept lattice is a new concept lattice structure with the characteristics of low space-time complexity, practicability and pertinence of the extracted knowledge. According to the relation between the extension of constrained concept lattice node and the equivalent partition of training sample data set, the concepts of extension support and partition support are introduced for the automatic classification of massive star spectrum. In this paper, a method of star spectral data classification rule mining based on constrained concept lattice is proposed, and the SDSS star spectral data set is used. The experimental results show that the classification rules extracted by this method have high classification efficiency and classification accuracy. This provides an effective method for automatic classification of massive stellar spectral data.
【作者单位】: 太原科技大学计算机科学与技术学院;
【基金】:国家自然科学基金项目(6057307560773014) 山西省回国留学人员科研项目(2009-77)资助
【分类号】:P144.1
【相似文献】
相关期刊论文 前10条
1 宋轶晗;罗阿理;赵永恒;;一种海量光谱中类星体候选体红移测量与识别的算法[J];光谱学与光谱分析;2011年09期
2 ;[J];;年期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
相关重要报纸文章 前3条
1 记者 刘霞;开普勒望远镜即将升空找类地行星[N];科技日报;2009年
2 记者 王艳红;一颗行星将被恒星吞食[N];新华每日电讯;2003年
3 中科院国家天文台台长 严俊;TMT,抢占天文科技制高点[N];人民日报;2011年
相关博士学位论文 前1条
1 单红光;晚型恒星磁活动与恒星自转相关性研究[D];中国科学院研究生院(云南天文台);2003年
相关硕士学位论文 前5条
1 董伟祥;LAMOST恒星大气参数提取系统[D];山东大学;2010年
2 林雪梅;ANN在天体光谱分类及恒星大气参数测量中的应用[D];山东大学;2012年
3 韦鹏;LAMOST一维光谱自动处理[D];山东大学;2011年
4 左芳;基于LAMOST恒星光谱的视向速度精度问题的研究[D];北京化工大学;2011年
5 刘杰;基于模板匹配的恒星大气物理参数自动测量的研究[D];山东大学;2012年
,本文编号:2398521
本文链接:https://www.wllwen.com/kejilunwen/tianwen/2398521.html