自适应增强方法在光谱自动分类中的应用

针对活动星系核(AGN)光谱中发射线的不同特征,在恢复到静止系状态后的光谱上截取具有有效特征的波段范围,采用自适应增强(Adaboost)的方法,对宽线和窄线AGNs进行特征融合的分类实验,经分析,确定了以Hα和[NⅡ]发射线为主的波段为宽线和窄线AGNs光谱的主要区别特征。再单独对Hα和[NⅡ]发射线为主的波段,用自适应增强的方法对其进行光谱分类。自适应增强方法在训练过程中不断地加入"弱分类器",直到达到某个预定的足够小的误差率或一定的循环次数,最后构成的总体分类器的分类判决由这些"弱分类器"各自的判决结果的投票来决定。此方法不需要事先调节参数,且"弱分类器"的分类结果只需好于随机猜测,算法简单。实验证明,对于单独采用以Hα和[NⅡ]发射线为主的波段,自适应增强方法能达到较好的分类效果,从而可有效地应用于大型光谱巡天所产生的活动星系核光谱的自动分类中。

LINERs多波段特性的研究

总结了近期对ＬＩＮＥＲｓ的一些研究结果，通过对ＬＩＮＥＲｓ在各波段上表现出的一些特性讨论了ＬＩＮＥＲｓ的几种模型，重点讨论了ＬＩＮＥＲｓ是典型的ＡＧＮ的可能性。结论为具有如下至少一个特征的ＬＩＮＥＲｓ可能是典型的ＡＧＮ：（１）有宽的发射线成分；（２）有双峰宽Ｈα线发射；（３）有硬的Ｘ射线的连续谱；（４）有点状紫外源；（５）有致密射电核和喷流。