国家自然科学基金(60773040)
- 作品数:4 被引量:15H指数:3
- 相关作者:罗阿理吴福朝段福庆刘蓉屠良平更多>>
- 相关机构:中国科学院国家天文台中国科学院自动化研究所北京师范大学更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:电子电信天文地球自动化与计算机技术更多>>
- 从海量星系光谱中搜索超新星候选光谱被引量:7
- 2010年
- 完善了一种在海量星系光谱中快速搜索超新星光谱的方法.该方法主要包括五个步骤,第一,光谱的预处理,包括去噪、退红移等处理过程;第二,对每一条光谱进行星系成分和超新星成分的快速分解,并计算本文定义的超新星统计特征描述向量;第三,样本约减,即利用基于局部孤立性因子的离群搜索算法对海量光谱数据样本进行约减;第四,对约减后的结果与所有模板进行交叉相关匹配,根据匹配结果及相应参数获得初步的超新星候选光谱;第五,人工排除,即根据超新星光谱明显的谱线特征排除一些误匹配结果,最终得到特征相对明显的超新星候选光谱.根据上述方法,对选自美国斯隆数字巡天第七期释放数据(SDSS-DR7)的具有较高信噪比的294843条星系光谱进行搜索,获得了36条含爆发超新星的星系光谱侯选,其中9个为本文首次发现并报告,15个已以快报形式被本文作者公开报告,另外12个为已发现并公开命名的超新星光谱.根据最匹配模板的类型,24个未命名的超新星候选光谱包括20个Ia型,3个Ic型和1个II型样本.
- 屠良平罗阿理吴福朝赵永恒
- 关键词:超新星
- 基于Bayes决策的光谱分类被引量:4
- 2010年
- 天文观测技术的迅速发展推动了大规模的星系光谱巡天计划如SDSS、LAMOST等,面对这些巡天项目所观测到的海量光谱数据,研究自动的光谱分析方法已成为必然的选择。研究了基于Bayes决策的光谱分类方法,将光谱分为恒星,星系和类星体三类。首先采用主分量分析来进行特征提取,将光谱投影到由三个主分量构成的特征空间中;然后,采用非参数密度估计Parzen窗法来估计类条件概率密度函数;最后利用基于最小错误率的Bayes决策进行分类。在Parzen窗法中,核宽很大程度上影响着估计效果,从而影响着分类效果。通过详尽的实验分析了核宽和分类效果的关系,发现当核宽接近某个阈值时,识别率将会增加,但小于这个阈值时,识别率反而下降。
- 刘蓉靳红梅段福庆
- 关键词:光谱分类星系
- 基于相似性度量的星系光谱红移估计被引量:1
- 2008年
- 光谱的自动分析对大规模的光谱巡天有着非常重要的意义。文章提出了一种基于相似性度量的星系光谱红移测量方法。方法中采用主分量分析构造星系光谱的静止模板,利用谱线特征确定观测光谱的红移候选,然后根据红移候选进行观测光谱与模板光谱间的相似性度量,所采取的相似性度量策略类似于证据积累的思想,定义为几个相似证据的加权和,从而降低了观测光谱与模板光谱之间的误匹配,提高了红移估计的正确率。通过实验将所提出方法与基于谱线匹配的方法和传统的交叉相关方法进行了比较,实验结果表明:本文方法的正确率较之基于谱线匹配的方法和传统相关法有较大提高。
- 刘蓉乔学军段福庆
- 关键词:星系光谱分析红移
- 核回归方法在恒星光谱物理参量自动估计中的应用被引量:3
- 2009年
- 恒星大气物理参量(有效温度、表面重力、化学丰度)是导致恒星光谱差异的主要因素。恒星大气物理参量的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容。文章采用两种非线性核回归方法对低分辨率恒星光谱进行3个物理参量的自动估计:核最小二乘回归(KLSR),核PCA回归(KPCR)。实验表明:(1)KLSR与KPCR可以实现光谱到表面有效温度和表面重力的回归,但是KLSR对噪声敏感,KPCR鲁棒性好于前者;(2)对于温度参数估计,两种算法具有相近的估计效果;对于表面重力和化学丰度估计,KPCR优于KLSR和非参数回归方法;(3)KLSR与KPCR方法实现容易,模型的训练速度快,运算复杂度小,适用于恒星光谱物理参量的自动测量。
- 张健楠吴福朝罗阿理
- 关键词:恒星光谱