二十八星宿是我国古代对恒星的分类方法,它分布在地球的赤道和黄道带地区。在我国周代以前,人们就把星空划分为三垣四象二十宿。 三垣是北天极周围的三个区或,即紫微垣、太微垣和天市垣。四象分布于黄道近旁,环天一周。每象各分七段,称为“宿”,总共为二十八宿。 然而,二十八星宿是如何划分的呢?我国宋代的科学...
一、恒星光谱分类 恒星光谱分类是根据恒星光谱特征来对恒星进行分类的方法。通过观察恒星的光谱,我们能够获得关于恒星的重要信息,包括温度、化学成分、年龄以及演化阶段等。 早期的恒星光谱分类是由安·安德森和理查德·福勒于1890年提出的,他们根据恒星光谱中吸收线的形状和强度将恒星分为多个分类。后来,哈罗·拉塞尔在20...
本发明公开了一种基于深度学习的恒星分类方法,包括:获取恒星光谱数据;对恒星光谱数据进行预处理,得到恒星小波图像;将恒星小波图像输入训练好的恒星特征网络,输出恒星分类结果。本发明使用连续小波变化的方法将恒星光谱数据转化为恒星小波图像,并且采用适用于恒星光谱
一个常用的机器学习方法是支持向量机(Support Vector Machine, SVM)。SVM是一种监督学习方法,通过找到一个最优超平面,将不同类别的样本分开。在恒星光度曲线的分类问题中,可以将不同种类的恒星视为不同的类别,通过对尽量多的已知恒星光度曲线进行训练,建立多类SVM模型。 除了SVM,还有许多其他的机器学习算法可以应用于...
摘要 本发明公开了一种基于深度学习的恒星光谱分类方法,针对目前LAMOST等大规模光谱巡天缺乏快速、准确恒星光谱型分类方法的问题。所述方法包括步骤:获取并预处理光谱数据;获取标注数据并交叉证认;制作标注数据集与无标签数据集;构建深度学习分类模型;应用模型扩充训练数据并二次训练。本发明的数据处理方法可以得到大规模且...
步骤六中,使用步骤五所得扩充数据集训练步骤四所得模型,多层感知机分类器加载初始参数并在d3上训练,保存最终分类模型m2,作为本发明最终得到的恒星光谱分类模型。 本发明的数据处理方法可以得到大规模且高质量的训练数据集;所构建的半监督多层感知机模型面对光谱巡天观测的大样本,具有很高的分类准确率。 附图说明 图1...
6.根据权利要求5所述,基于对称卷积模块和特征融合的二维恒星光谱分类方法,其特征在于:全连接层可用下式表达: 7.根据权利要求5所述,基于对称卷积模块和特征融合的二维恒星光谱分类方法,其特征在于:每一个全连接层的后面加入dropout,以一定的概率将神经元部分失活,即将其输出置为0,减少神经元之间的依赖性,提高模型的...
本发明提供的一种将恒星光谱数据快速分类的方法,首先寻找每一类的典型光谱作为聚类中心,然后其他光谱依据到每一类典型光谱之间的距离将其进行聚类.通常,聚类中心是那些在较小半径内具有较高密度并且彼此远离的数据点,本发明使用MNN(M最近邻居),密度和距离来确定初始聚类中心.从光谱数据本身的特征出发,通过计算每条恒星光...
一种基于约束概念格的恒星光谱数据自动分类方法