基于覆盖算法的天体光谱自动分类

摘要：

海量天体光谱数据的自动分类是大型观测计划项目中急需解决的重要问题之一.本文设计一种基于覆盖算法的天体光谱自动分类方法.首先对训练样本进行训练,得到各类样本的支撑点(代表点),然后在分类时只需计算待分类样本到各类支撑点的距离,并将与之最近的支撑点所在的类别作为待分类样本的类别.通过对正常星系、正常恒星、星暴星系和活动星系核的模拟和实测光谱进行分类实验,并与SVM分类方法进行比较,结果表明本文方法具有训练速度快、分类准确率高等特点.因此,本文的自动分类算法对大型观测计划所获得的海量天体光谱数据处理有着重要的意义.

关键词：天体光谱、自动分类、覆盖算法、判别准则

所属期刊栏目：19

分类号：TN911.7

资助基金：国家863高技术研究发展计划项目2003AA133060;国家重大科学工程LAMOST计划项目资助

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：368-374