基于非参数回归与Adaboost的恒星光谱自动分类方法

• 作者: 乔学军 刘蓉 张健楠 段福庆
• 来源期刊: 光谱学与光谱分析
• 学科: 工学
• 关键词: 光谱分类 Adaboost 非参数回归 光度
• 年，卷（期）: 2017,（5）
• 页码范围: 1553-1557
• 页数: 5页
• 分类号: TP183
• 字数: 4557字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2017)05-1553-05

摘要

通过对恒星光谱进行分析可以研究银河系的演化与结构等科学问题,光谱分类是恒星光谱分析的基本任务之一.提出了一种结合非参数回归与Adaboost对恒星光谱进行MK分类的方法,将恒星按光谱型和光度型进行分类,并识别其光谱型的次型.恒星光谱的光谱型及其次型代表了恒星的表面有效温度,而光度型则代表了恒星的发光强度.在同一种光谱型下,光度型反映了谱线形状细节的变化,因此光度型的分类必须在光谱型分类基础上进行.本文把光谱型的分类问题转化为对类别的回归问题,采用非参数回归方法进行恒星光谱型和光谱次型的分类;基于Adaboost方法组合一组K近邻分类器进行光度型分类,Adaboost将一组弱分类器加权组合产生一个强分类器,提升光度型的识别率.实验验证了所提出分类方法的有效性,光谱次型识别的精度达到0.22,光度型的分类正确率达到84%以上.实验还对比了两种KNN方法与Adaboost方法的光度型分类,结果表明,利用KNN方法对光度型分类精度低,而基于弱分类器KNN的Adaboost方法将识别率大幅提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘蓉	北京服装学院基础部	15	46	4.0	6.0
2	段福庆	北京师范大学信息科学与技术学院	18	131	6.0	11.0
3	乔学军	西安建筑科技大学理学院	8	9	2.0	2.0