光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
12期
3411-3414
,共4页
王文玉%王新军%潘景昌
王文玉%王新軍%潘景昌
왕문옥%왕신군%반경창
矮新星%数据挖掘%主分量分析%支持向量机
矮新星%數據挖掘%主分量分析%支持嚮量機
왜신성%수거알굴%주분량분석%지지향량궤
Dwarf nova%Data mining%PCA%SVM
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。
美國斯隆數字巡天望遠鏡已經髮佈瞭第9期數據。這些海量的天文光譜數據除瞭可以用來進行大樣本的研究,如探尋銀河繫的結構和進行多波段證認外,還蘊藏著稀少和特殊的天體,其中就包括矮新星。矮新星是激變變星中所佔比例最高的一箇亞型,髮現更多的矮新星樣本對于研究密近雙星的縯化和參數有積極的意義。目前針對激變變星這類稀少天體的髮現主要使用測光粗篩選結閤後期觀測證認的方法,不但準確率低,而且需要耗費較多的人工處理時間,無法滿足在海量光譜數據中快速髮現矮新星候選體的需要。本文提齣一種適用于在海量光譜中自動、快速髮現矮新星的方法。該方法針對SDSS的DR9數據,先使用支持嚮量機約束主分量分析進行降維,確定特徵空間的維數,然後再使用訓練後得到的最優分類器對海量光譜進行自動識彆,尋找矮新星候選體。實驗共髮現瞭276箇矮新星,其中6箇是未被收錄的新的源,錶明瞭該方法的有效性,為在海量光譜中快速髮現稀少和特殊天體提供瞭有效途徑。實驗中髮現的新結果補充瞭現有的矮新星模闆光譜庫,可以構造更準確的特徵空間。本方法也可用于在其他的巡天望遠鏡如郭守敬望遠鏡的海量光譜中進行特殊天體的自動搜索。
미국사륭수자순천망원경이경발포료제9기수거。저사해량적천문광보수거제료가이용래진행대양본적연구,여탐심은하계적결구화진행다파단증인외,환온장착희소화특수적천체,기중취포괄왜신성。왜신성시격변변성중소점비례최고적일개아형,발현경다적왜신성양본대우연구밀근쌍성적연화화삼수유적겁적의의。목전침대격변변성저류희소천체적발현주요사용측광조사선결합후기관측증인적방법,불단준학솔저,이차수요모비교다적인공처리시간,무법만족재해량광보수거중쾌속발현왜신성후선체적수요。본문제출일충괄용우재해량광보중자동、쾌속발현왜신성적방법。해방법침대SDSS적DR9수거,선사용지지향량궤약속주분량분석진행강유,학정특정공간적유수,연후재사용훈련후득도적최우분류기대해량광보진행자동식별,심조왜신성후선체。실험공발현료276개왜신성,기중6개시미피수록적신적원,표명료해방법적유효성,위재해량광보중쾌속발현희소화특수천체제공료유효도경。실험중발현적신결과보충료현유적왜신성모판광보고,가이구조경준학적특정공간。본방법야가용우재기타적순천망원경여곽수경망원경적해량광보중진행특수천체적자동수색。
In the present paper ,an automatic and efficient method for searching for dwarf nova candidates is presented .The methods PCA (principal component analysis) and SVM (support vector machine) are applied in the newly released SDSS-DR9 spectra .The final dimensions of the feature space are determined by the identification accuracy of training samples with different dimensions constrained by SVM .The massive spectra are dimension reduced by PCA at first and classified by the best SVM clas-sifier .The final less number of candidates can be identified manually .A total number of 276 dwarf nova candidates are selected by the method and 6 of them are new discoveries w hich prove that our approach to finding special celestial bodies in massive spec-tra data is feasible .The new discoveries of this paper are added in the current dwarf nova template library which can contribute to constructing a more accurate feature space .The method proposed in this paper can also be used for special objects searching in other sky survey telescopes like Guoshoujing (Large Sky Area Multi-Object Fiber Spectroscopic Telescope -LAMOST ) tele-sco pe .