Print

基于SVM的食双星光变曲线自动分类算法

论文摘要

提出一种基于机器学习的食双星光变曲线自动分类算法。首先对数据进行预处理,将食双星光变曲线数据归一化,并通过滤波/插值降低噪声;其次使用快速傅里叶变换提取频率信号作为特征向量;最后利用特征向量训练支持向量机获得自动分类模型。使用Python实现算法并抓取CALEB和GCVS数据验证,分析特征向量、支持向量机核函数与惩罚系数对分类正确率的影响,优化后所得分类模型正确率达到92.8%(训练集)和89.0%(测试集),最后使用所得分类模型对第3方数据进行分类,正确率为88.8%,结果证明提出的分类算法的有效性。

论文目录

  • 1 自动分类算法
  •   1.1 数据预处理
  •   1.2 光变曲线特征提取
  •   1.3 支持向量机分类算法
  • 2 实验与结果分析
  •   2.1 分类实验实现
  •   2.2 支持向量机优化
  •   2.3 实验结果分析与数据修正
  • 3 总结和展望
  • 文章来源

    类型: 期刊论文

    作者: 袁慧宇,赵娟,戴海峰,杨远贵

    关键词: 光变曲线自动分类,支持向量机,食双星

    来源: 天文研究与技术 2019年02期

    年度: 2019

    分类: 基础科学

    专业: 天文学

    单位: 淮北师范大学信息学院,淮北师范大学

    基金: 国家自然科学基金(11873003),安徽省高校优秀青年人才支持计划项目(gxyq2018161),安徽省高校自然科学项目(KJ2017B017)资助

    分类号: P153

    DOI: 10.14005/j.cnki.issn1672-7673.20180904.002

    页码: 187-193

    总页数: 7

    文件大小: 2194K

    下载量: 111

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/83374e7230648260698b5d4e.html