基于深度学习的恒星光谱分类

作者：何东远; 刘伟^*; 曹硕; 耿率博; 刘宇婷; 姚迦文

来源：北京师范大学学报(自然科学版), 2020, 56(01): 37-44.

DOI：10.16360/j.cnki.jbnuns.2020.01.006

• 恒星光谱
• 一维卷积
• 分类
• 热力图

大型巡天项目使得恒星光谱的观测进入大数据时代,实现恒星光谱自动分类是一项重要和具有挑战性的工作.本文采用基于一维的卷积网络算法对斯隆数字巡天(sloan digital sky survey, SDSS)的恒星光谱进行分类.通过卷积神经网络,恒星光谱的特征被提取出来并用于分类.采用带标签的恒星光谱数据训练一维恒星光谱卷积网络(1-dimension stellar spectra convolutional neural networks, 1-D SSCNN),得到训练好的网络模型,并用其对恒星光谱进行分类测试.本文算法与传统的恒星光谱分类算法支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和人工神经网络(artificial neural network, ANN)进行对比,结果表明,本文算法具有较高的分类精度和鲁棒性,且给出了由深度学习得出的光谱热力图,对研究光谱物理性质具有重要意义.

• 单位
  北京师范大学