基于神经网络的模板匹配方法求正常星系红移

星系通常分为正常星系(NG)与活动星系(AG)两类。文章提出了一种自动获取NG红移的快速有效方法:(1)由NG模板根据红移范围Ⅰ:0 0～0 3与Ⅱ:0 3～0 5模拟得到两类星系样本,进行PCA变换获得样本特征向量;(2 )利用概率神经网络设计两类样本特征向量的Bayes分类器;(3)对于实际NG光谱数据,利用Bayes分类器进行分类确定其红移的范围,然后在此范围内进行模板匹配得到红移的准确值。与在整个红移范围内的模板匹配方法相比,此方法不但节省了5 0 %的模板匹配运算量,而且还大大提高了红移值测量的精度。文章研究结果对于大型光谱巡天所产生的海量数据的自动处理具有重要意义。