Print

两种监督机器学习算法在Fermi BCU分类评估中的应用

论文摘要

在最新的费米第四期伽马射线源目录（4FGL）中,一共有3 131个耀变体,包括1 116个蝎虎天体（BL Lacs）,686个平谱射电类星体（FSRQs）和1 329个未知类型的耀变体（BCUs）.为了评估BCU可能的分类,通过双样本K-S检验选择合适参数,利用高斯混合有限模型（Mclust）和逻辑回归（LR）监督机器学习算法,对1 329个BCUs的分类进行评估.评估可靠性检验结果表明,Mclust和LR两种算法的准确率分别为85.95%和89.46%.综合两种算法结果,给出了731个BL Lacs和432个FSRQs候选体.

论文目录

  • 1 监督机器学习分类方法
  • 2 样本选取
  • 3 结 果
  • 4 讨 论

    • 文章来源

    类型: 期刊论文

    作者: 朱柯睿,周瑞鑫,康世举,毛慰明

    关键词: 蝎虎天体,平谱射电类星体,监督机器学习,分类

    来源: 云南师范大学学报(自然科学版) 2019年05期

    年度: 2019

    分类: 基础科学

    专业: 天文学

    单位: 云南师范大学物理与电子信息学院,六盘水师范学院电气工程学院

    基金: 国家自然科学基金资助项目(11873043,11763005),贵州省教育厅科技拔尖人才计划资助项目(黔教合KY字[2018]068)

    分类号: P157.6

    页码: 1-5

    总页数: 5

    文件大小: 629K

    下载量: 57

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/79c4de91c76d08997835e905.html