sdss dr8 中激變變星候選體的數(shù)據(jù)挖掘

1、wd文檔可編輯本文檔下載自文庫下載網(wǎng)，內(nèi)容可能不完整，您可以點(diǎn)擊以下網(wǎng)址繼續(xù)閱讀或下載：docefed20df9b89680203d825a9.htmlSDSSDR8中激變變星候選體的數(shù)據(jù)挖掘中激變變星候選體的數(shù)據(jù)挖掘第３３卷，第２期２ｏ１３年２月光譜學(xué)與光譜分析ｓｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙＳｉｓＶｂｌ３３，Ｎ０２，ｐｐ４６４—４６７Ｆ曲ｒｕａｒｙ，２０１３ＳＤＳＳ－ＤＲ８中激變變星候選體的數(shù)據(jù)挖掘姜斌，潘景

2、昌，王為山東大學(xué)（威海）機(jī)電與信息工程學(xué)院，山東威海２６４２０９摘要提出一套適用于在海量光譜中快速發(fā)現(xiàn)激變變星的方法。針對(duì)ＳＤｓｓ發(fā)布的ＤＲ８數(shù)據(jù)，嘗試流型學(xué)習(xí)方法在海量光譜數(shù)據(jù)挖掘中的應(yīng)用。首先使用非線性局部線性嵌入方法（ＬＬＥ）對(duì)海量光譜數(shù)據(jù)進(jìn)行降維，然后使用人工神經(jīng)網(wǎng)絡(luò)對(duì)低維數(shù)據(jù)進(jìn)行分類，最后對(duì)較少數(shù)量的候選體進(jìn)行人工證認(rèn)。實(shí)驗(yàn)共發(fā)現(xiàn)了６個(gè)新的激變變星候選體，并與傳統(tǒng)的ＰＣＡ方法進(jìn)行了比較，驗(yàn)證了ｕ正方法在天文數(shù)據(jù)挖掘中的可行性。

3、關(guān)鍵詞激變變星；數(shù)據(jù)挖掘；ＬＬＥ；光譜中圖分類號(hào)：ＴＰ２９文獻(xiàn)標(biāo)識(shí)碼：ＡＤ叫：１０３９６４／ｊｉｓｓ兒１０００＿０５９３（２０１３）０２一０４６４一０４wd文檔可編輯ｎｅｕｒａｌｎｅｔ—少的特殊天體，因?yàn)槟０鍞?shù)量少、信噪比差等原因，造成Ｐｉｐｅｌｉｎｅ分類準(zhǔn)確率低［２１。以激變變星（ｃａｔａｃｌｙｓｒＩｌｉｃ在使用ＬＬＥ降維后，使用人工神經(jīng)網(wǎng)絡(luò)（ａｒｔｉｆｉｃｉａｌｓ伽‘ｓ，ＣＶｓ）為例［３｜，對(duì)潞ＤＲ８光譜數(shù)據(jù)分類ｓｕｂｃｌａｓｓ定些

4、特殊天體進(jìn)行研究。如何在海量數(shù)據(jù)中準(zhǔn)確、快速發(fā)現(xiàn)特殊天體對(duì)模式識(shí)別ｖａｒｉａｂｌｅｗｏｒｋ，ＡＮＮ）［９］對(duì)降維后的數(shù)據(jù)進(jìn)行分類，最后對(duì)較少的結(jié)果人工檢驗(yàn)，共發(fā)現(xiàn)了４２６個(gè)激變變星候選體，其中６個(gè)是新的候選體。相對(duì)于傳統(tǒng)的ＰＣＡ方法，ＬＬＥ方法雖然計(jì)算量大，但準(zhǔn)確度和ＰＣＡ處于同一量級(jí)，而且在低維空間對(duì)光譜特征的描述更準(zhǔn)確。本文通過實(shí)驗(yàn)驗(yàn)證了ＬＬＥ方法的可行性，探討了非線性降維方法在天文數(shù)據(jù)挖掘中的應(yīng)用，為流型學(xué)習(xí)方法在天文數(shù)據(jù)處理中的