聚类算法在天文学中的应用

《聚类算法在天文学中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、河北师范大学硕士学位论文聚类算法在天文学中的应用姓名：严太生申请学位级别：硕士专业：天体物理指导教师：李冀;张彦霞20090407摘要随着大型光学望远镜的精度和深度不断提高，特别是巡天望远镜的发展，天文光学波段的数据急剧增加，成为探索各类天体和天文现象的物理本质的强有力武器。面对天文学“数据雪崩"和“信息爆炸”时代的到来，为了解决天文数据的复杂性、非线性、海量性和多波段性等一系列l’口J题，借助数据挖掘技术来探索隐藏在数据中的有用信息势在必行。在此背景下，如何迅速准确地从这些海量数据中挖掘出所需要的信息，已成为天文学观测和数据处理的一个关键问题，直接影响着天文学发展和研究进程。本

2、文利用一些适合于天文数据特点的数据挖掘技术和方法，主要是利用聚类算法对天体的自动分类和寻找出特殊天体的任务。工作主要包括以下三部分：(1)基于自动聚类算法的恒星／星系分类自动聚类算法(AutoClass)是基于贝叶斯模型确定最优类别的经典混合模型的非监督聚类方法。它对处理非线性和高维数据有很高的效率。应用AutoClass对SDSS巡天的恒星／星系进行自动分类，根据点源和展源的不同特征表现，选择使用了PSF(pointspreadfunction，点扩散函数)星等和模型星等在五个波段的差值作为输入参数，并设置了合适的标准，从而获得合理的分类结果，对恒星和星系的分类正确率分别达到了

3、99．51％和98．52％，表明AutoClass算法对此类数据聚类有很好的效率。(2)SDSS巡天的恒星样本探索目的是探索SDSS恒星样本，找出其中的非恒星天体或特殊天体，从而建立一个纯的恒星样本。我们对SDSS巡天中具有光谱观测的恒星的测光数据应用AutoClass进行聚类分析，得到991个离群天体。然后将这些离群数据在NED和SIMBAD中认证，对于已证认的，发现它们绝大多数属于特殊天体，准确率高达90．7％，而对于未证认的，希望在更大口径更高精度的望远镜中证认，或许会发现一些有趣的天体或现象。(3)星系形态分类星系是构成宇宙的组成单元，而形态是它的基本特性。星系形态的研究

4、是理解星系物理属性的首要步骤。这里根据天文学的任务将星系分成早型星系和晚型星系两类。应用SDSS巡天的星系测光数据，基于五个星等和四个颜色的多组参数，参考不同的分类标准，研究了将AutoClass和k-means两种算法用于星系形态的自动分类。研究结果表明不论对AutoClass还是k-means而言，发现基于颜色的分类效果明显高于基于星等的效果；AutoClass和k．means的分类效率相当；与单纯地基于单参数的星系分类相比，III自动化算法具有高效性、灵活性、能够处理高维数据等优点。在数据日益卡．富的时代，自动化聚类算法将越来越显示出其优越性。关键词：数据挖掘聚类算法自动分

5、类特殊天体星系形态分类IVABSTRACTWiththeprecisionandthedepthincreasingofbigopticaltelescope，especiallythedevelopmentofskysurveytelescope，dataofastromomicalopticalbandpassrapidraise，andthemhasbecomeforcefulweapontoexplorethephysicalessenceofallkindsofcelestialbodyandastromomicalphenomenon．Withthecomingera

6、of‘‘dataavalanche’’and“dataexplosion”inastronomy,inordertosolveaseriesofproblemsofcomplexity，nonlinearity,massandmultibandaboutastronomicdata，itisnecessarytoexplorethepotentialandusefulinformationhiddeninthedatabymeansofdataminingtechnologies．Inthispaper,wemakeuseofsomedataminingtechnologiesa

7、ndmethodsmeetingthecharacteristicsofastronomicaldata,mainlyapplytheclusteringalgorithmstoautomaticallyclassifycelestialobjectsandsearchthepeculiarcelestialobjects．Themaincontributionsarefollowing：(1)ClassificationofStars／GalaxiesBasedonAutocl