光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
6期
1702-1706
,共5页
李乡儒%胡占义%赵永恒%李晓明
李鄉儒%鬍佔義%趙永恆%李曉明
리향유%호점의%조영항%리효명
Seyfert光谱分类%光谱特征提取%Bayesian学习%相关向量机
Seyfert光譜分類%光譜特徵提取%Bayesian學習%相關嚮量機
Seyfert광보분류%광보특정제취%Bayesian학습%상관향량궤
特征提取是光谱自动识别中的一个基本问题,它决定着光谱识别系统的性能和复杂度.目前的天体光谱自动分类研究主要使用的是基于以线性主成分分析(PCA)、小波变换(Wavelet transform)、人工神经网络(ANN)等为代表的非监督特征提取方法,而它们在特征提取时没有考虑到训练数据中的类别信息,并非按照分类能力进行特征选择和降维.文章研究了相关向量机(RVM)有监督特征提取方法及其在Seyferr光谱细分类中的应用.RVM是机器学习领域在近儿年提出的一种Bayesian学习方法,它能有效地融合已有的先验知识、对问题的信念、训练数据和相应的类别信息,并按照分类能力提取特征,在理论上具有很大的潜在优势.另外,初步的实验结果表明,基于RVM的有监督特征提取方法在Seyfert光谱细分类中具有较好的性能.
特徵提取是光譜自動識彆中的一箇基本問題,它決定著光譜識彆繫統的性能和複雜度.目前的天體光譜自動分類研究主要使用的是基于以線性主成分分析(PCA)、小波變換(Wavelet transform)、人工神經網絡(ANN)等為代錶的非鑑督特徵提取方法,而它們在特徵提取時沒有攷慮到訓練數據中的類彆信息,併非按照分類能力進行特徵選擇和降維.文章研究瞭相關嚮量機(RVM)有鑑督特徵提取方法及其在Seyferr光譜細分類中的應用.RVM是機器學習領域在近兒年提齣的一種Bayesian學習方法,它能有效地融閤已有的先驗知識、對問題的信唸、訓練數據和相應的類彆信息,併按照分類能力提取特徵,在理論上具有很大的潛在優勢.另外,初步的實驗結果錶明,基于RVM的有鑑督特徵提取方法在Seyfert光譜細分類中具有較好的性能.
특정제취시광보자동식별중적일개기본문제,타결정착광보식별계통적성능화복잡도.목전적천체광보자동분류연구주요사용적시기우이선성주성분분석(PCA)、소파변환(Wavelet transform)、인공신경망락(ANN)등위대표적비감독특정제취방법,이타문재특정제취시몰유고필도훈련수거중적유별신식,병비안조분류능력진행특정선택화강유.문장연구료상관향량궤(RVM)유감독특정제취방법급기재Seyferr광보세분류중적응용.RVM시궤기학습영역재근인년제출적일충Bayesian학습방법,타능유효지융합이유적선험지식、대문제적신념、훈련수거화상응적유별신식,병안조분류능력제취특정,재이론상구유흔대적잠재우세.령외,초보적실험결과표명,기우RVM적유감독특정제취방법재Seyfert광보세분류중구유교호적성능.
