论文摘要
恒星光谱分类是光谱分析的一种重要方法,是天体光谱数据挖掘的重要内容。针对从LAMOST（the Large Sky Area Multi-Object Fiber Spectroscopic Telescope）Data Release 5（DR5）选取出的33 000条F、G和K型3种恒星光谱数据,采用一种基于深度信念网络的恒星光谱分类方法,通过在训练过程中对恒星光谱数据进行分层特征学习,从而建立深度信念网络模型。最后对此模型进行恒星光谱分类测试,得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98,从而验证了该模型对这3种恒星光谱的正确性,分类精确率较高,对海量天体光谱数据的处理有着重要意义。
论文目录
文章来源
类型: 期刊论文
作者: 张静敏,许婷婷,杜利婷,周卫红
关键词: 光谱分类,特征学习,深度学习,深度信念网络
来源: 大理大学学报 2019年06期
年度: 2019
分类: 社会科学Ⅱ辑,基础科学
专业: 物理学,天文学
单位: 云南民族大学数学与计算机科学学院,中国科学院天体结构与演化重点实验室
基金: 国家自然科学基金资助项目(61561053)
分类号: P144.1;O433.4
页码: 10-14
总页数: 5
文件大小: 1574K
下载量: 100
相关论文文献
- [1].基于熵学习机的恒星光谱分类（英文）[J]. 光谱学与光谱分析 2018(02)
- [2].基于卷积神经网络的恒星光谱自动分类方法[J]. 光谱学与光谱分析 2019(04)
- [3].一种基于卷积神经网络的恒星光谱快速分类法[J]. 光谱学与光谱分析 2019(10)
- [4].低信噪比巡天数据中特殊恒星光谱的搜寻方法[J]. 光谱学与光谱分析 2019(02)
- [5].一种恒星光谱分类规则后处理方法[J]. 光谱学与光谱分析 2013(01)
- [6].A型恒星光谱线指数岭回归有效温度的预测分析[J]. 光谱学与光谱分析 2019(08)
- [7].基于非参数回归与最近邻方法的恒星光谱自动分类[J]. 光谱学与光谱分析 2009(12)
- [8].利用融合数据分布特征的模糊双支持向量机对恒星光谱分类[J]. 光谱学与光谱分析 2019(04)
- [9].R语言应用于LAMOST光谱分析初探[J]. 天文研究与技术 2017(03)
- [10].基于多类支持向量机的恒星光谱分类方法[J]. 光谱学与光谱分析 2018(07)
- [11].利用带无标签数据的双支持向量机对恒星光谱分类[J]. 光谱学与光谱分析 2019(03)
- [12].基于短时傅立叶变换特征提取和卷积神经网络的LAMOST恒星光谱分类研究[J]. 云南民族大学学报(自然科学版) 2020(05)
- [13].一种基于Map/Reduce分布式计算的恒星光谱分类方法[J]. 光谱学与光谱分析 2016(08)
- [14].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(06)
- [15].早M型矮恒星光谱聚类方法与分析[J]. 光谱学与光谱分析 2017(12)
- [16].低分辨率恒星光谱的[α/Fe]估计方法研究[J]. 天文学报 2018(04)
- [17].基于样条函数的恒星光谱自动归一化方法[J]. 天文研究与技术 2019(03)
- [18].基于XGBOOST的恒星光谱分类特征数值化[J]. 光谱学与光谱分析 2019(10)
- [19].基于谱线特征匹配的恒星光谱自动识别方法[J]. 光谱学与光谱分析 2008(06)
- [20].流形判别分析和支持向量机的恒星光谱数据自动分类方法[J]. 光谱学与光谱分析 2014(01)
- [21].多任务Lasso回归法在恒星光谱物理参量估计中的应用[J]. 天文学报 2015(01)
- [22].数字[J]. 发明与创新(大科技) 2014(03)
- [23].基于Haar小波特征的恒星光谱物理参量自动估计[J]. 光谱学与光谱分析 2012(09)
- [24].基于深度学习的恒星光谱分类[J]. 北京师范大学学报(自然科学版) 2020(01)
- [25].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(02)
- [26].天文学里程碑上的女性光辉[J]. 世界科学 2017(03)
- [27].基于t-SNE的恒星光谱降维与分类研究[J]. 光谱学与光谱分析 2020(09)
- [28].基于分形编码的M型恒星光谱次型自动识别[J]. 光谱学与光谱分析 2013(08)
- [29].一种基于集合运算的分类规则处理方法[J]. 太原科技大学学报 2011(02)
- [30].数字[J]. 中学生天地(B版) 2016(02)