基于深度学习的高维光谱分类识别研究

• 作者: 周卫红 张静敏 杜利婷 许婷婷
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 高维光谱 特征学习 分类识别 深度学习 深度信念网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 293-296
• 页数: 4页
• 分类号: TN911.74
• 字数: 3377字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2019.03.016

摘要

光谱分类识别一直是天文学家研究中的基础问题,也是LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周卫红	云南民族大学数学与计算机科学学院	32	127	7.0	9.0
3	杜利婷	云南民族大学数学与计算机科学学院	4	1	1.0	1.0
4	张静敏	云南民族大学数学与计算机科学学院	7	9	2.0	3.0
5	许婷婷	云南民族大学数学与计算机科学学院	5	11	2.0	3.0