利用基于互信息的不平衡分类方法识别稀有光谱（英文）

从海量恒星光谱中发现稀有光谱是天文学研究的重要课题之一。与一般光谱相比,稀有光谱数量较少,因此,传统分类方法无法正常工作。究其原因是这些方法不仅在分类决策时并未对稀有光谱予以更多关注,而且只关注分类的准确率。鉴于此,在总结当前分类方法的基础上,深入分析互信息与决策树之间的关系,提出基于互信息的代价缺失决策树。SDSS DR8中K型、F型、G型以及M型恒星光谱上的比较实验表明,与传统分类方法相比,所提方法能够较好地完成稀有光谱识别的任务。

一种高效的稀有天体光谱检索方法

随着国内外光谱巡天计划的发展,人们已经获得了海量的光谱数据。如何利用机器学习方法对海量光谱数据进行系统地分析和处理,是天文学研究中一项非常重要的研究内容。本文提出了一种能够在天体光谱数据库中高效地进行稀有光谱检索的PU学习(PU Learning)方法。在给定少量的稀有天体光谱的条件下,如何在庞大的光谱数据库中系统地搜索与给定稀有光谱同类型的光谱是天文数据挖掘中的一个常见的问题。现有的大多数方法都是基于二分类来解决此类问题,但是当给定的稀有光谱样本数目非常有限时,利用二分类来解决此类问题往往会导致搜索结果的完备性比较差。事实上,基于排序的方法更加适合于解决此类问题。在调研了许多可以用于稀有天体光谱检索的方法后,我们建立了一种新的非常高效的稀有光谱检索方法,称作BaggingTopPush。BaggingTopPush方法主要使用了二部排序(Bipartite Ranking)和引导聚合(Bagging)技术。