流形判别分析和支持向量机的恒星光谱数据自动分类方法

摘要：

尽管经典的分类方法支持向量机SVM在天文学领域广泛应用，但其只考虑类间的绝对间隔而忽略类内的分布性状，因而分类性能有待于进一步提升。鉴于此，提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流形判别分析的两个重要概念：基于流形的类内离散度 MW和基于流形的类间离散度MB 。所提方法找到的分类面同时保证 MW 最小且MB 最大。可建立相应最优化问题，然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数，最后利用判别函数判断测试样本的类属。该方法的最大优势在于进行分类决策时，不仅考虑样本的类间信息和分布特征，而且还保持了各类的局部流形结构。SDSS恒星光谱数据上的比较实验表明该方法的有效性。

关键词：自动分类、恒星光谱数据、流形判别分析、支持向量机

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61202311;山西省高等学校科技创新项目20131112

在线出版日期：2014-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：263-266