基于SSTransformer的恒星亚型光谱分类方法研究

作者：范雅雯; 刘艳萍^*; 邱波; 姜霞; 王林倩; 王坤

来源：光谱学与光谱分析, 2023, 43(08): 2523-2528.

• 恒星光谱
• 自动分类
• SSTransformer模型
• 归一化

恒星的分类问题一直是天文研究的一大热点，恒星的亚型分类对探究恒星演化、稀有天体识别等具有重大意义。针对LAMOST光谱亚型分类问题设计了SSTransformer (stellar spectrum transformer)分类模型，该模型主要由三部分组成，包括输入模块、嵌入模块、 SST编码模块。在输入模块中，将光谱数据进行分块处理，这些块经过线性投射层被映射为向量。在嵌入模块中，为了提取有用的数据特征，将线性投射层的输出加入一个可学习的类别嵌入块，为了保留位置信息，再加入位置嵌入块，之后将这些数据特征向量送入SST编码模块。最后在SST编码模块中，对数据特征进行提取处理，并利用多层感知器结合新特征对恒星光谱进行分类。采用的A、 F、 G、 K、 M型恒星光谱数据均来自LAMOST DR8中的一维低分辨率光谱，35 256条一维光谱数据用于SSTransformer模型的训练，8815条一维光谱数据用作模型的测试。为了加快模型的收敛速度，对数据采用Z-Score归一化处理。由于是多分类问题，实验采用了准确率、精确率、召回率、 F1-Score、 Kappa系数五个评价指标。实验结果证明，利用SSTransformer模型可实现对一维恒星光谱数据有效的筛选分类，分类准确率达到98.36%,比支持向量机(support vector machine,SVM)算法、极端梯度提升(eXtreme Gradient Boosting, XGBoost)算法，以及卷积神经网络(convolutional neural networks, CNN)的分类准确率更高。

• 单位
  河北工业大学