一种新的基于2维傅里叶谱图像的恒星光谱特征提取方法和深度网络分类应用

• 作者: 周卫红 张静敏 杜利婷 王璐 艾霖嫔 许婷婷 马晨晔
• 来源期刊: 天文学报
• 学科: 地球科学
• 关键词: 恒星:基本参数 方法:数据分析 技术:光谱分析
• 年，卷（期）: 2020,（2）
• 页码范围: 93-101
• 页数: 9页
• 分类号: P144
• 字数: 4407字
• 语种: 中文
• DOI: 10.15940/j.cnki.0001-5245.2020.02.009

摘要

天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST(the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform,STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90％.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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	王璐	云南民族大学数学与计算机科学学院	15	5	1.0	1.0
4	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
5	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
6	艾霖嫔	云南民族大学数学与计算机科学学院	2	0	0.0	0.0
9	马晨晔	云南农业职业技术学院经济管理学院	2	2	1.0	1.0
10	许婷婷	广州大学物理与电子工程学院	1	0	0.0	0.0