两种监督机器学习算法在Fermi BCU分类评估中的应用

• 作者: 周瑞鑫 康世举 朱柯睿 毛慰明
• 来源期刊: 云南师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 蝎虎天体 平谱射电类星体 监督机器学习 分类
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 活动星系核研究
• 页码范围: 1-5
• 页数: 5页
• 分类号: P157.7
• 字数: 3032字
• 语种: 中文
• DOI: 10.7699/j.ynnu.ns-2019-057

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％0和89.46％.综合两种算法结果,给出了731个BL Lacs和432个FS-RQs候选体.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛慰明	云南师范大学物理与电子信息学院	6	13	2.0	3.0
2	康世举	六盘水师范学院电气工程学院	4	2	1.0	1.0
3	朱柯睿	云南师范大学物理与电子信息学院	1	0	0.0	0.0
4	周瑞鑫	云南师范大学物理与电子信息学院	2	0	0.0	0.0