基于机器学习算法的脉冲星探测

• 作者: 周宇
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 脉冲星 脉冲星候选样本 机器学习 分类算法 二分类
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算机技术
• 页码范围: 76-78,82
• 页数: 4页
• 分类号: TP181|TP391.41
• 字数: 2915字
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.07.025

摘要

脉冲星是一种具有极大的科学价值的中子星.其在旋转时,地球上可探测到其发射的无线电,而且这种辐射存在周期性.对脉冲星的分类主要采用机器学习算法,各种算法表现不同.该研究对K邻近,决策树,朴素贝叶斯,梯度提升树算法对脉冲星信号进行了二分类,基于F1值和AUC值评估模型,算法对脉冲星的旋转轨迹进行研究,以此来判定各种分类算法的表现,结果显示对于未调参的算法,逻辑回归表现最好,梯度提升树其次.K邻近和决策树表现相对较差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周宇		8	2	1.0	1.0