基于深度学习的恒星光谱分类

• 作者: 何东远 刘伟 刘宇婷 姚迦文 曹硕 耿率博
• 来源期刊: 北京师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 恒星光谱 一维卷积 分类 热力图
• 年，卷（期）: 2020,（1）
• 页码范围: 37-44
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16360/j.cnki.jbnuns.2020.01.006

摘要

大型巡天项目使得恒星光谱的观测进入大数据时代,实现恒星光谱自动分类是一项重要和具有挑战性的工作.本文采用基于一维的卷积网络算法对斯隆数字巡天(sloan digital sky survey,SDSS)的恒星光谱进行分类.通过卷积神经网络,恒星光谱的特征被提取出来并用于分类.采用带标签的恒星光谱数据训练一维恒星光谱卷积网络(1-dimension stellar spectra convolutional neural networks,I-D SSCNN),得到训练好的网络模型,并用其对恒星光谱进行分类测试.本文算法与传统的恒星光谱分类算法支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和人工神经网络(artificial neural network,ANN)进行对比,结果表明,本文算法具有较高的分类精度和鲁棒性,且给出了由深度学习得出的光谱热力图,对研究光谱物理性质具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹硕	北京师范大学天文系	7	7	1.0	2.0
2	刘伟	北京师范大学信息科学与技术学院	32	251	5.0	15.0
3	何东远		3	1	1.0	1.0
4	耿率博	北京师范大学天文系	1	0	0.0	0.0
5	刘宇婷	北京师范大学天文系	1	0	0.0	0.0
6	姚迦文	北京师范大学天文系	2	0	0.0	0.0