加急见刊

基于深度信念网络的LAMOST恒星光谱分类研究

张静敏; 许婷婷; 杜利婷; 周卫红 云南民族大学数学与计算机科学学院; 昆明650500; 中国科学院天体结构与演化重点实验室; 昆明650011

摘要：恒星光谱分类是光谱分析的一种重要方法,是天体光谱数据挖掘的重要内容。针对从LAMOST(the Large Sky AreaMulti-Object Fiber Spectroscopic Telescope)Data Release 5(DR5)选取出的33 000条F、G和K型3种恒星光谱数据,采用一种基于深度信念网络的恒星光谱分类方法,通过在训练过程中对恒星光谱数据进行分层特征学习,从而建立深度信念网络模型。最后对此模型进行恒星光谱分类测试,得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98,从而验证了该模型对这3种恒星光谱的正确性,分类精确率较高,对海量天体光谱数据的处理有着重要意义。

注: 保护知识产权,如需阅读全文请联系大理大学学报杂志社