基于聚类的星系光谱分析

• 作者: 张健楠 张茜 赵永恒
• 来源期刊: 天文研究与技术－国家天文台台刊
• 学科: 地球科学
• 关键词: LAMOST 聚类 星系光谱分类 大样本光谱分析
• 年，卷（期）: 2020,（2）
• 页码范围: 233-243
• 页数: 11页
• 分类号: P157.1
• 字数: 7080字
• 语种: 中文

摘要

各类大型巡天项目产生了海量的天文数据,因此,需要研究适用于大规模数据的光谱自动处理方法.传统的基于谱线检测或BPT(Baldwin,Phillips,Terjevich)诊断图的星系光谱分类方法难以直接应用于星系光谱自动分类,相比之下,基于机器学习的光谱自动分析更适用于海量天文数据的分类研究.提出一种基于双层聚类的星系光谱分析方法.第1层采用k均值聚类算法将星系光谱分为吸收线星系和发射线星系,第2层使用CLARA(Clustering LARge Applications)聚类算法将发射线星系聚为5簇.对LAMOST DR5的星系数据进行实验,结果表明:(1)第1层k均值聚类能够成功将星系光谱分为吸收线星系和发射线星系,聚类簇与基于谱线检测的分类结果基本一致.(2)第2层CLARA聚类结果能够在BPT图中反映出不同的星系类型.(3)光谱聚类结果与颜色星等图分类存在预期的相关性.(4)k均值聚类和CLARA聚类能够适用于大规模数据自动分析处理,聚类结果能够很好地反映星系的物理性质和演化过程,簇心数据可以为光谱自动分类系统提供模板.