公共文化服务平台

恒星光谱参数自动测量中不同模板匹配度量方法比较被引量：2: 2013年; 模板匹配方法是恒星光谱参数自动测量中常用的方法之一。对经常使用的三种模板匹配算法:K-最近邻算法(KNN)、卡方最小化算法和光谱相似度算法测量恒星光谱参数结果进行比较。首先对光谱进行连续谱归一化及流量归一化,然后对三种算法测量恒星光谱参数的结果进行比较。对SDSS DR8大样本数据的实验表明,光谱相似度算法在测量恒星光谱参数中有相对优势。; 刘杰潘景昌刘猛韦鹏罗阿理; 关键词：K-最近邻 LAMOST

自动识别发射线恒星光谱的新方法被引量：2: 2012年; 恒星光谱一般具有明显的吸收线或者吸收带特征,而具有发射线的恒星光谱对应着特殊类型的恒星,如激变变星、Herbig Ae/Be等。对这些光谱的后续研究有着重要的意义。本文提出了一种能够自动识别发射线恒星光谱的方法。该方法首先对光谱进行连续谱归一化,然后通过比较谱线对应的流量及其邻域流量的均值和标准差,来判断是否存在发射线。对SDSS DR8大样本数据的实验表明,该方法能够完整、准确地识别发射线恒星。而且,由于该方法不涉及复杂的变换和运算,因而识别速度非常快,可用于诸如LAMOST和SDSS这样大型光谱巡天项目中发现发射线恒星光谱。; 潘景昌张彩明韦鹏罗阿理赵永恒

基于线指数的核偏最小二乘回归在恒星大气物理参数测量中的应用被引量：3: 2014年; 恒星大气物理参数(有效温度、表面重力、化学丰度)的自动测量是天体光谱数据自动处理中的一项重要内容。由于光谱数据的高维性的特点,处理运算量非常大,对于光谱的实时分析及处理会造成延误。文章提出了一种基于Lick线指数,利用核偏最小二乘回归(KPLSR)对恒星大气物理参数进行测量的方法。可以有效地减少运算量并可达到理想的准确率。首先计算Kurucz合成光谱的Lick线指数,利用核偏最小二乘回归方法建立Lick线指数与大气物理参数之间的核回归模型,并利用DR8实测光谱数据对得到的模型进行测试,将测试的结果与SEGUE SSPP提供的大气物理参数进行了对比,取得了比较好的效果。此外,为了检验噪声对参数测量的影响,本文还对Kurucz光谱分别加了信噪比为10,20,30,40,50,70,90,120的高斯白噪声,对得到的不同信噪比的Kurucz数据进行了测试,实验结果表明,核回归模型对噪声比较敏感,光谱数据的信噪比越高,其大气物理参数的预测精度越高。提出的基于线指数建立核偏最小二乘回归模型的方法运算量小,训练速度快,适合用于恒星大气物理参数的测量。; 王杰潘景昌谭鑫; 关键词：KERNEL PARTIAL SQUARES

基于神经网络的线指数恒星大气物理参数测量方法被引量：3: 2013年; 通过人工神经网络的方法基于Lick线指数,来进行大气物理参数的测量,对Kurucz的合成光谱进行预处理以适应最后LAMOST光谱数据的要求,以Lick线指数与对应的大气物理参数为输入,用人工神经网络进行训练,得到训练模型通过DR8光谱数据进行测试,通过调整人工神经网络的相关参数来使实验效果达到最佳。结果证明,通过线指数人工神经网络的方法来进行大气物理参数的测量是可行的。; 谭鑫潘景昌王杰罗阿理屠良平; 关键词：人工神经网络

一种新的活动星系光谱红移自动测量方法被引量：3: 2012年; 星系红移的自动测量对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。星系一般分为正常星系和活动星系两种,活动星系光谱一般具有较明显的发射线特征。文章提出了一种不用精确提取谱线而快速测量活动星系光谱红移的方法。该方法包括步骤:(1)对待测光谱进行去噪;(2)利用小波变换提取低频成分光谱,并用去噪后光谱减去低频谱得到残差谱;(3)计算残差谱的均方差,并保留大于阈值的波长集合(4)根据标准谱线表计算所有候选红移;(5)利用Parzen窗估计方法计算红移密度最大点,并在邻域内求均值确定最终红移。对模拟数据和SDSS DR7部分实测数据的测试表明,该方法是鲁棒的并且具有较高的红移测量正确率。; 屠良平罗阿理姜斌韦鹏赵永恒刘蓉; 关键词：活动星系小波变换

颈内动脉起始段狭窄的计算机辅助诊断研究被引量：2: 2012年; 研究使用计算机辅助诊断方法对颈内动脉起始段狭窄进行自动诊断。在对DSA图像目标区域进行自动分割后,对病灶部位进行形状分析,提取形状参量,通过人工神经网络训练分类器进行判断,得出颈内动脉起始段狭窄的诊断结果。系统的识别正确率可达94%以上。该方法有助于诊断颈内动脉起始段狭窄。; 李君妍贤晓丽王文杰姜斌; 关键词：颈动脉狭窄 DSA 计算机辅助诊断

矮新星候选体的自动搜索研究: 2013年; 美国斯隆数字巡天望远镜已经发布了第9期数据。这些海量的天文光谱数据除了可以用来进行大样本的研究,如探寻银河系的结构和进行多波段证认外,还蕴藏着稀少和特殊的天体,其中就包括矮新星。矮新星是激变变星中所占比例最高的一个亚型,发现更多的矮新星样本对于研究密近双星的演化和参数有积极的意义。目前针对激变变星这类稀少天体的发现主要使用测光粗筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现矮新星候选体的需要。本文提出一种适用于在海量光谱中自动、快速发现矮新星的方法。该方法针对SDSS的DR9数据,先使用支持向量机约束主分量分析进行降维,确定特征空间的维数,然后再使用训练后得到的最优分类器对海量光谱进行自动识别,寻找矮新星候选体。实验共发现了276个矮新星,其中6个是未被收录的新的源,表明了该方法的有效性,为在海量光谱中快速发现稀少和特殊天体提供了有效途径。实验中发现的新结果补充了现有的矮新星模板光谱库,可以构造更准确的特征空间。本方法也可用于在其他的巡天望远镜如郭守敬望远镜的海量光谱中进行特殊天体的自动搜索。; 王文玉王新军潘景昌; 关键词：数据挖掘主分量分析支持向量机

New cross-matching algorithm in large-scale catalogs with ThreadPool technique被引量：1: 2014年; We introduce an algorithm to solve the block-edge problem taking advantage of the two diferent sky splitting functions:HTM and HEALPix.We make the cross-match with the two functions,and then we obtain the union set of the two diferent sets.We use the ThreadPool technique to speed up the cross-match.In this way improved accuracy can be obtained on the cross-match.Our experiments show that this algorithm has a remarkable performance superiority compared with the previous ones and can be applied to the cross-match between large-scale catalogs.We give some ideas about solving the many-for-one situation occurred in the cross-match.; DU PengREN JuanJuanPAN JingChangLUO ALi; 关键词：线程池 HTM

SKLOF：一种新的超新星候选范围约减算法: 2015年; 超新星是宇宙学中的"标准烛光",其在星系中爆发的概率很低,是一种特殊、稀少的天体,只有在大量观测的星系数据中才有机会遇到,而正处于爆发期的超新星会照亮其整个星系从而在观测获得的星系光谱中具有较明显的特征。但是,目前已发现的超新星数量相对于大量的天体而言又是非常稀少的,搜寻它们所用的计算时间成为能否进行后续观测的关键,因此需要寻找高效率的超新星搜寻方法。对超新星候选范围进行约减的LOF算法的时间复杂度较高,计算量大,不适用于大规模数据集。为此通过对LOF算法进行改进,提出了一种在海量星系光谱中快速约减超新星候范围的新方法(SKLOF)。首先对光谱数据集中离中心点近的数据点进行数据剪枝,剪掉那些肯定不是超新星候选体的光谱数据对象,然后利用改进的LOF算法计算剩余的光谱数据的孤立性因子并降序排列进行离群搜索,最后获得超新星候选体的较小的搜索范围以便进行后续的证认。实验结果表明,该算法十分有效,不仅在精确度上有所提高,而且相比于LOF算法还进一步缩短了算法的运行时间,提高了算法的执行效率。; 屠良平魏会明韦鹏潘景昌罗阿理赵永恒

SDSS-DR8中激变变星候选体的数据挖掘被引量：1: 2013年; 提出一套适用于在海量光谱中快速发现激变变星的方法。针对SDSS发布的DR8数据,尝试流型学习方法在海量光谱数据挖掘中的应用。首先使用非线性局部线性嵌入方法(LLE)对海量光谱数据进行降维,然后使用人工神经网络对低维数据进行分类,最后对较少数量的候选体进行人工证认。实验共发现了6个新的激变变星候选体,并与传统的PCA方法进行了比较,验证了LLE方法在天文数据挖掘中的可行性。; 姜斌潘景昌王为; 关键词：激变变星数据挖掘 LLE 光谱

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(11078013)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(11078013)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈