恒星低质量光谱的数据处理与分析
发布时间：2022-01-22 10:12
由于天文望远镜各方面性能的提高,天文学的研究和发现有了飞速的发展,人类对宇宙的认识也随之有了很大的提高。随着数据的不断积累,天文学已经到了一个“数据雪崩”的时代。我国的郭守敬望远镜项目（The Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST）和国外的斯隆数字巡天（Sloan Digital Sky Survey,SDSS）等大规模巡天项目都可以从宇宙中观测到海量的恒星光谱。然而,在这些恒星光谱中依然存在着大量难于处理的低质量数据。恒星低质量光谱的主要特征是噪声大、流量缺失、连续谱异常以及谱线特征不明显等。这些恒星低质量光谱当中存在着很多稀有恒星、未知天体等有价值的数据,并且它们的获取同样投入了大量的人力、时间和设备等资源。因此,对观测到的恒星低质量光谱数据进行处理和分析具有非常重要的意义。数据挖掘可以从大量的数据中发现符合条件的规则和模式,而机器学习则可以利用数据对已有的模式进行优化,因此数据挖掘和机器学习等相关技术在处理大数据方面有着天然的优势,越来越多的数据挖掘和机器学习方法被应用到巡天数据的处理及分...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：116 页
【学位级别】：博士
【部分图文】：
图１－１?ＬＡＭＯＳＴ?ＤＲ５的天区覆盖图??
，＆〇ｇ－Ｚ；??ｍ?１＝＼??同时鉴别器Ｄ根据生成器Ｇ的生成结果调整自己的训练策略，调整策略采用??丄｜；｛ｌ〇ｇ［￡＞〇ｃ（／））］?＋?［ｌｏｇ（ｌ－Ｚ）（Ｇ（Ｚ⑴）））］｝进行梯度下降，如此循环往复，直到??＾?／＝１??达到预定的损失阈值或者是训练次数。??上述五步就是整个ＧＡＮｓ的训练过程，最后博弈的结果就是生成器Ｃ？可以??生成足以“以假乱真”的数据；鉴别器Ｚ）难以判定数据的真假，也就是??／）（（？（：））?＝?０．５?〇??
山东大学博士学位论文??Ａｖ?ｄｙ??丄。丄??Ｘ?Ｙ??＿＿??Ｆ??图２－２?Ｃｙｃｌｅ－ＧＡＮｓ总体结构图??—°?—?—?：?—?—Ｉ?Ｇ?—??Ｘ?’＾?Ｙ?、Ｘ?ｉ?Ｙ?．＾?Ｘ?ｚ＾ｉｆ??????ｆ?丨?丨；?Ｉｆ??????ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ??ｒ〇＾?ｚｉ〇ｓｓ??ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ．一－＾乂?＼??＼?〇??’??ｌｏｓｓ?Ｌ???图２－３?Ｃｙｃｌｅ－ＧＡＮｓ细节结构图??与ＧＡＮｓ不同的是Ｃｙｃｌｅ－ＧＡＮｓ采用的是两个训练方向相反的ＧＡＮｓ，因此??它有两个生成器，一个是ＧＪＴ－＞Ｆ，另一个是同时也有两个鉴别器??Ｚ）Ａ．与Ｚ＼；鉴别器／），．主要是用来分辨输入的义和输出的厂（＞〇的真假，而鉴别器??Ａ目标是分辨ｙ和Ｇ（；ｃ）的真假，因此它的对抗损失函数由两部分组成：??＝?＾ｘ－／，ｄＭ１１（ｊｔ）［ｌ〇ｇ＾ｒ（ｘ）］?＋?＾＇ｙ？／，（ｔｅａ（ｙ）［ｌ〇ｇ（ｌ＿?■（尸（少）））］（２．４）??ＡｕＡ／（Ｇ，Ｄｙ）＝五ｙ－ＫｊｌＯｇ?Ａ．?〇０］?＋?＿?Ａ１?（Ｇ（Ｘ）））］?（２．５）??与此同时，为了进一步正则化生成器防止模型坍塌，Ｃｙｃｌｅ－ＧＡＮｓ引入了另外的??两个循环一致性损失，也就是生成的数据可以通过反卷积的方式再恢复到原始的??输入数据，１－＞（３：（：）￡：）４厂（０（：）〇）？《和少￣＾厂（少）￣＾０：（／；＇（＞〇）？夕。这两个循环—－??致性损失可以利用下面的公式表示：??Ｌｃｙｃ（Ｇ，?Ｆ）?＝?Ｅｘ＾ａ（ｘ）［｜｜?Ｆ（Ｇ（ｘ））?－?ｘ?ＩＩ，?］?＋?５ｙ．＾
【参考文献】：
期刊论文
[1]基于样条函数的恒星光谱自动归一化方法[J]. 罗锋,刘超,赵永恒. 天文研究与技术. 2019(03)
[2]低信噪比巡天数据中特殊恒星光谱的搜寻方法[J]. 吴明磊,潘景昌,衣振萍,韦鹏. 光谱学与光谱分析. 2019(02)
[3]DA白矮星视向速度测量[J]. 赵颖玥,罗阿理. 天文研究与技术. 2019(01)
[4]低分辨率恒星光谱的[α/Fe]估计方法研究[J]. 卢瑜,李乡儒,林扬涛,邱凯斌. 天文学报. 2018(04)
[5]恒星大气参数测量[J]. 袁海龙,张彦霞,张昊彤,赵永恒. 天文研究与技术. 2018(03)
[6]恒星低质量光谱的连续谱拟合方法[J]. 吴明磊,潘景昌,衣振萍,韦鹏. 光谱学与光谱分析. 2018(03)
[7]早M型矮恒星光谱聚类方法与分析[J]. 刘杰,潘景昌,吴明磊,刘聪,韦鹏,衣振萍,刘猛. 光谱学与光谱分析. 2017(12)
[8]基于距离度量的LAMOST光谱中连续谱异常的自动检测[J]. 于敬敬,潘景昌,孟凡龙,韦鹏. 光谱学与光谱分析. 2017(07)
[9]基于LASSO算法的恒星α元素丰度估计方法研究[J]. 卜育德,潘景昌,王春雨,陈修梅. 光谱学与光谱分析. 2017(01)
[10]线指数特征空间内恒星光谱离群数据挖掘与分析[J]. 王光沛,潘景昌,衣振萍,韦鹏,姜斌. 光谱学与光谱分析. 2016(10)
本文编号：3602008
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：116 页
【学位级别】：博士
【部分图文】：
图１－１?ＬＡＭＯＳＴ?ＤＲ５的天区覆盖图??
，＆〇ｇ－Ｚ；??ｍ?１＝＼??同时鉴别器Ｄ根据生成器Ｇ的生成结果调整自己的训练策略，调整策略采用??丄｜；｛ｌ〇ｇ［￡＞〇ｃ（／））］?＋?［ｌｏｇ（ｌ－Ｚ）（Ｇ（Ｚ⑴）））］｝进行梯度下降，如此循环往复，直到??＾?／＝１??达到预定的损失阈值或者是训练次数。??上述五步就是整个ＧＡＮｓ的训练过程，最后博弈的结果就是生成器Ｃ？可以??生成足以“以假乱真”的数据；鉴别器Ｚ）难以判定数据的真假，也就是??／）（（？（：））?＝?０．５?〇??
山东大学博士学位论文??Ａｖ?ｄｙ??丄。丄??Ｘ?Ｙ??＿＿??Ｆ??图２－２?Ｃｙｃｌｅ－ＧＡＮｓ总体结构图??—°?—?—?：?—?—Ｉ?Ｇ?—??Ｘ?’＾?Ｙ?、Ｘ?ｉ?Ｙ?．＾?Ｘ?ｚ＾ｉｆ??????ｆ?丨?丨；?Ｉｆ??????ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ??ｒ〇＾?ｚｉ〇ｓｓ??ｃｙｃｌｅ－ｃｏｎｓｉｓｔｅｎｔ．一－＾乂?＼??＼?〇??’??ｌｏｓｓ?Ｌ???图２－３?Ｃｙｃｌｅ－ＧＡＮｓ细节结构图??与ＧＡＮｓ不同的是Ｃｙｃｌｅ－ＧＡＮｓ采用的是两个训练方向相反的ＧＡＮｓ，因此??它有两个生成器，一个是ＧＪＴ－＞Ｆ，另一个是同时也有两个鉴别器??Ｚ）Ａ．与Ｚ＼；鉴别器／），．主要是用来分辨输入的义和输出的厂（＞〇的真假，而鉴别器??Ａ目标是分辨ｙ和Ｇ（；ｃ）的真假，因此它的对抗损失函数由两部分组成：??＝?＾ｘ－／，ｄＭ１１（ｊｔ）［ｌ〇ｇ＾ｒ（ｘ）］?＋?＾＇ｙ？／，（ｔｅａ（ｙ）［ｌ〇ｇ（ｌ＿?■（尸（少）））］（２．４）??ＡｕＡ／（Ｇ，Ｄｙ）＝五ｙ－ＫｊｌＯｇ?Ａ．?〇０］?＋?＿?Ａ１?（Ｇ（Ｘ）））］?（２．５）??与此同时，为了进一步正则化生成器防止模型坍塌，Ｃｙｃｌｅ－ＧＡＮｓ引入了另外的??两个循环一致性损失，也就是生成的数据可以通过反卷积的方式再恢复到原始的??输入数据，１－＞（３：（：）￡：）４厂（０（：）〇）？《和少￣＾厂（少）￣＾０：（／；＇（＞〇）？夕。这两个循环—－??致性损失可以利用下面的公式表示：??Ｌｃｙｃ（Ｇ，?Ｆ）?＝?Ｅｘ＾ａ（ｘ）［｜｜?Ｆ（Ｇ（ｘ））?－?ｘ?ＩＩ，?］?＋?５ｙ．＾
【参考文献】：
期刊论文
[1]基于样条函数的恒星光谱自动归一化方法[J]. 罗锋,刘超,赵永恒. 天文研究与技术. 2019(03)
[2]低信噪比巡天数据中特殊恒星光谱的搜寻方法[J]. 吴明磊,潘景昌,衣振萍,韦鹏. 光谱学与光谱分析. 2019(02)
[3]DA白矮星视向速度测量[J]. 赵颖玥,罗阿理. 天文研究与技术. 2019(01)
[4]低分辨率恒星光谱的[α/Fe]估计方法研究[J]. 卢瑜,李乡儒,林扬涛,邱凯斌. 天文学报. 2018(04)
[5]恒星大气参数测量[J]. 袁海龙,张彦霞,张昊彤,赵永恒. 天文研究与技术. 2018(03)
[6]恒星低质量光谱的连续谱拟合方法[J]. 吴明磊,潘景昌,衣振萍,韦鹏. 光谱学与光谱分析. 2018(03)
[7]早M型矮恒星光谱聚类方法与分析[J]. 刘杰,潘景昌,吴明磊,刘聪,韦鹏,衣振萍,刘猛. 光谱学与光谱分析. 2017(12)
[8]基于距离度量的LAMOST光谱中连续谱异常的自动检测[J]. 于敬敬,潘景昌,孟凡龙,韦鹏. 光谱学与光谱分析. 2017(07)
[9]基于LASSO算法的恒星α元素丰度估计方法研究[J]. 卜育德,潘景昌,王春雨,陈修梅. 光谱学与光谱分析. 2017(01)
[10]线指数特征空间内恒星光谱离群数据挖掘与分析[J]. 王光沛,潘景昌,衣振萍,韦鹏,姜斌. 光谱学与光谱分析. 2016(10)
本文编号：3602008
本文链接：https://www.wllwen.com/kejilunwen/tianwen/3602008.html
