基于硬调整孪生网络和代价敏感模型的恒星/星系识别

作者：张士川; 郑小盈

来源：计算机应用与软件, 2021, 38(12): 149-154+186.

DOI：10.3969/j.issn.1000-386x.2021.12.025

• 恒星/星系分类
• 小样本
• 孪生网络
• 困难样本挖掘
• 代价敏感

恒星星系的精准识别是开展很多天文海量数据分析和处理任务的基础。受环境因素影响,采集到的暗星体观测数据使得恒星和星系差异不明显,而且暗星体数据量较小,给分类带来困难,所以在恒星/星系识别任务中准确地识别暗星体成为近年来研究的重点。提出一种用于极暗星体识别的硬调整孪生网络模型,解决了小样本问题和困难样本挖掘问题,将极暗星体的识别效果较目前最好结果提升了8百分点左右;同时提出用于暗星体和亮星体识别的代价敏感模型,解决了数据量充足条件下的困难样本挖掘问题,暗星体和亮星体的识别效果较目前最好结果分别提升了1百分点和0.1百分点。

• 单位
  中国科学院大学; 中国科学院上海高等研究院