,
第
,
,
Vol.39 No.10 32973301
pp
第
卷
期
10
光
谱
学
与
光
谱
分
析
39
ꢀ ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
-
,
October 2019
ꢀ
年
2019 10
ꢀꢀꢀ ꢀ
月
Sectrosco andSectralAnalsis
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ ꢀ p ꢀp ꢀ
py y
ꢀ
ꢀ
一种基于卷积神经网络的恒星光谱快速分类法
1
1
*
波
1
*
杰
1
1
,
涛 郭
2
*
平
ꢀ
,
邱
,
马
,
,
宋
王楠楠
石超君
ꢀ
ꢀ
ꢀ
,
河北工业大学电子信息工程学院 天津
1.
300401
ꢀ
,
北京师范大学系统科学学院 北京
2.
100875
ꢀ
,
恒星光谱数据的分类是天体光谱自动识别的最基本任务之一 光谱分类的研究能够为恒星的演化
ꢀ
摘
要
ꢀ
。 , , ,
提供线索 随着科技的发展 天文数据也向大数据时代迈进 需要处理的恒星光谱数量越来越多 如何对其
。
进行自动而精准地分类成为了天文学家要解决的难题之一 当前恒星光谱自动分类问题的解决方法相对较
,
。
、
少
为此本文使用了一种基于卷积神经网络的方法对恒星光谱
系统进行分类 该网络由数据输入层 四
MK
。
个卷积层 四个池化层 全连接层 输出层构成 与传统网络相比具有局部感知 参数共享等优点实验 在
、
、
、
,
、
,
的环境下编程 利用
,
构建了一个简单高效的具有四个卷积层的卷积神经网络 并将
Pthon3.5
y
Tensorflow
。
: ,
的基本思想 当网络模型进行训练时 把一些神经
作用于全连接层之后以防止过度拟合
Droout
p
Droout
p
,
网络节点按一定的比例丢弃 使其暂时不发挥作用
。
可以理解成是一种十分高效的神经网络模型平
Droout
p
, 。
均方法 由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒 实验中使用的一维恒星光谱图是取
,
数据库 首先进行预处理截取光谱
,
的部分 均匀采样后使用
自
标准
minmax
-
LAMOSTDR3
ꢀ
3600 7300
ꢀ ~ ꢀ
。 :
化法对其进行初始化 实验包括两部分 第一部分为依据恒星光谱
,
系统对光谱进行分类 每一类的训练
MK
,
条光谱数据 测试样本为
,
条光谱数据 首先通过训练样本对
,
网络进行训练 进行
CNN
样本包含
1000
ꢀ
400
, ;
次的迭代 用训练后的网络将测试样本进行分类以验证网络的准确性 第二部分为相邻两类的恒星光
3000
ꢀ
,
谱的分类 其中 型星数据集样本为
O
,
条光谱 其余类别恒星样本数据集均为
,
条光谱 将数据
等
5
250
4000
ꢀ
, , , ,
每次选取当中的一份当作测试集 其余部分当作训练集 采用 折交叉验证法求得模型准确率 用
5
分
BP
。
神经网络进行对比实验 选择对网络模型进行评估的指标包括精确率
、
、
、
准确率
R Fscore
。
实
A
召回率
P
-
, ,
以上 在对相邻类别的恒星进行分类时
95%
验结果显示
在对六类恒星光谱进行分类时其准确率都在
CNN
, ,
由于 型星样本量较少 所以得到的分类结果不太理想 对其余类别的恒星分类准确率都高于
O
,
以上
98%
。
算法能够很好地解决恒星光谱的分类问题
结果都证明了
CNN
;
关键词 恒星光谱数据 自动分类
ꢀ
;
;
折交叉验证
CNN 5
:
:
文献标识码
A
:
/
(
)
中图分类号
P157.2
ꢀꢀ
DOI 10.3964 .issn.10000593201910329705
ꢀꢀꢀ
j
-
-
-
,
的物理参量是温度和光度 恒星光谱可以按照温度递减分为
, , , , , ,
O B A F G K
。
种
共
7
引
言
M
ꢀ
近些年来国内 外 研 究 人 员 在 光 谱 分 类 方 面 做 了 许 多 尝
,
随着多个巡天项目的进行 我们可以获得的光谱数据日
, 。
并 且 已 经 开 发 出 了 多 种 自 动 分 类 方 法
Schierscher
试
和
ꢀꢀ
。
益增多 如何从光谱中自动而准确地提取天文信息是当前天
( ) ,
用于天文学中 作为光
ANN
提出将人工神经网络
Paunzen
[]
1
。
[]
3
,
文学家面临的一个重要挑战
创 新 性 地 采 用 了
谱分类工具
但是
的计算复杂度取决于输入空间的
ANN
LAMOST
, ,
主动光学技术 设计新颖 是目前天文望远镜中光谱获取率
,
维数和隐藏层的大小 这意味着训练一个优秀的人工神经网
。
最高的 目前广泛 使 用 的 恒 星 分 类 方 法 称 为
。
络在计算上相当复杂 主成分分析
( )
作为一种常用的降
PCA
MoranKenan
g
-
[]
2
。
(
MK
),
属于二元分类系统
,
维方法也被天文学家用在光谱分类领域
Sinh
系统
系统
系统分类依据
等应用
PCA
g
MK
:
,
:
修订日期
20190119
收稿日期
20180905
- -
ꢀ
-
-
:
基金项目 国家自然科学基金委员会-中国科学院天文联合基金项目
(
),
河北省科技支撑计划
( ),
天津市企业科技特派
15212105D
U1531242
ꢀ
(
)
资助
员项目
18JCTPJC54300
:
作者简介 王楠楠
,
1992
,
年生 河北工业大学电子信息工程学院硕士研究生
email 814588655
ꢀꢀ @qq
:
.com
ꢀ
-
:
;
;
email iubo hebut.edu.cn ma hebut.edu.cn uo bnu.edu.cn
ꢀꢀ pg
通讯联系人
*
-
q
@
j
@
@
全部评论(0)