基于深度信念網絡的LAMOST恒星光譜分類研究
摘要：恒星光譜分類是光譜分析的一種重要方法,是天體光譜數據挖掘的重要內容。針對從LAMOST(the Large Sky AreaMulti-Object Fiber Spectroscopic Telescope)Data Release 5(DR5)選取出的33 000條F、G和K型3種恒星光譜數據,采用一種基于深度信念網絡的恒星光譜分類方法,通過在訓練過程中對恒星光譜數據進行分層特征學習,從而建立深度信念網絡模型。最后對此模型進行恒星光譜分類測試,得到F、G和K型3種恒星的分類精確率分別為0.93、0.90和0.98,從而驗證了該模型對這3種恒星光譜的正確性,分類精確率較高,對海量天體光譜數據的處理有著重要意義。
注: 保護知識產權,如需閱讀全文請聯系大理大學學報雜志社
相關推薦
更多
