基于短时傅立叶变换特征提取和卷积神经网络的LAMOST恒星光谱分类研究

• 作者: 周卫红 张静敏 杜利婷 自彦丞 艾霖嫔
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 恒星光谱分类 卷积核 特征提取 短时傅里叶变换 卷积神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 大数据与机器学习
• 页码范围: 480-485
• 页数: 6页
• 分类号: P144.1
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2020.05.012

摘要

光谱分类是研究恒星光谱的重要内容之一,对其进行准确分类识别在天文研究领域有着重要意义.提出一种新的光谱特征提取方法,利用短时傅里叶变换将一维光谱变换为二维傅里叶谱图像,然后利用卷积神经网络对得到的二维傅里叶谱图像进行分类,由于二维谱图像具有新的特征分布,提高了分类精度;在此基础上,为降低短时傅里叶变换中的采样过程造成的信息损失,在进行短时傅里叶变换前先利用一维卷积对一维恒星光谱数据进行处理,以提高分类准确率,实验结果显示证明了新的方法的有效性.

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		32	127	7.0	9.0
2	杜利婷		4	1	1.0	1.0
3	自彦丞		1	0	0.0	0.0
4	张静敏		7	9	2.0	3.0
5	艾霖嫔		2	0	0.0	0.0