基于深度信念网络的LAMOST恒星光谱分类研究

摘要：

恒星光谱分类是光谱分析的一种重要方法,是天体光谱数据挖掘的重要内容.针对从LAMOST(the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)Data Release 5(DR5)选取出的33000条F、G和K型3种恒星光谱数据,采用一种基于深度信念网络的恒星光谱分类方法,通过在训练过程中对恒星光谱数据进行分层特征学习,从而建立深度信念网络模型.最后对此模型进行恒星光谱分类测试,得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98,从而验证了该模型对这3种恒星光谱的正确性,分类精确率较高,对海量天体光谱数据的处理有着重要意义.

关键词：光谱分类、特征学习、深度学习、深度信念网络

所属期刊栏目：4

分类号：TN911.74

资助基金：国家自然科学基金资助项目61561053

在线出版日期：2019-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10-14