-
题名一种星系形态分类的新方法
被引量:2
- 1
-
-
作者
王林倩
邱波
罗阿理
孔啸
逯亚坤
郭小雨
-
机构
河北工业大学
中国科学院国家天文台
-
出处
《天文研究与技术》
CSCD
2022年第4期359-370,共12页
-
基金
国家自然科学天文联合基金(U1931134)
河北省自然科学基金(A2020202001)
中国科学院天文大科学研究中心LAMOST重大成果培育项目资助.
-
文摘
在天文学研究领域,星系的分类一直是一个热点和难点问题。近年来有学者将机器学习应用于星系形态的简单分类,但在分类过程中出现特征选择困难、特征遗漏、分类器选择困难等一系列问题。星系在视觉形态上可以分为椭圆星系、旋涡星系、透镜星系以及不规则星系。针对SDSS DR16,Galaxy Zoo2和EFIGI目录中星系的测光图像,提出了一种分类精度更高的星系形态分类(Galaxy Morphological Classification,GMC)方法。首先对图像进行剪裁、去噪,然后采用旋转、平移、缩放等方法进行数据增强,最后搭建了星系形态分类网络GMC-net对图像进行分类。从实验结果来看,旋涡星系、椭圆星系、透镜星系以及不规则星系分类精确率分别为98.29%,98.49%,99.18%和99.91%,召回率分别为98.44%,99.03%,98.89%和99.34%;对单独来自EFIGI目录中4种形态星系的分类准确率也达到了99.34%。实验结果表明,星系形态分类相较于其他分类方法表现更好,可以有效地用于星系的形态分类。
-
关键词
星系形态分类
数据增强
卷积神经网络
-
Keywords
galaxy morphology classification
data enhancement
Convolution Neural Network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
P152
[天文地球—天文学]
-