基于NPSVM模型的超新星识别方法

• 作者: 王精东 陈星星 梁吴颖 黄泽锋 全少武 沈锦泫 石雄辉
• 来源期刊: 天文学报
• 关键词: 超新星:普通 星系:普通 技术:先谱学 方法:数据分析
• 年，卷（期）: 2021,（2）
• 页码范围: 40-53
• 页数: 14页
• 分类号: P152
• 语种: 中文
• DOI: 10.15940/j.cnki.0001-5245.2021.02.004

摘要

巡天观测与高能物理、黑洞天文等领域均有密切的联系.基于星系-超新星二分类问题,研究光谱数据预处理,结合余弦相似度改善PCA(Principal Component Analysis)光谱分解特征提取方法,用SDSS(the Sloan Digital Sky Survey)、WISeREP(the Weizmann Interactive Supernova data REPository)组成的5620条光谱数据集训练支持向量机,可以得到0.498％泛化误差的识别模型和新样本分类概率,使用Neyman-Pearson决策方法建立NPSVM(Neyman-Pearson Support Vector Machine)模型可进一步降低超新星的漏判率.