基于XGBOOST的恒星光谱分类特征数值化

恒星光谱分类是研究恒星的基础性工作之一,常用的光谱分类是基于20世纪70年代Morgan和Keenan建立起来的并逐步完善的MK分类系统。然而基于MK规则的交互式决策分类系统对处理海量天文光谱数据存在着一定的困难。目前光谱巡天一般采用的自动化分类则是模版匹配方法而忽略对谱线特征的测量。怎样自动、客观地提取海量光谱中的分类特征并应用这些特征进行分类可以对天体的物理化学性质的统计分析至关重要。针对此问题,通过机器学习和计算光谱的谱线指数结合的方法,提取光谱特征,并通过大数据分析定量地确定对光谱特征谱线的分类判据（数值化）,确定每一类光谱具有物理意义的特征谱线的强度分布。首先对LAMOST DR4恒星光谱测量其谱线指数作为输入,光谱的分类标记采用官方发布的分类结果。使用XGBoost算法进行自动分类及特征排序,从而获得已知或未知的对于分类决策最为敏感的谱线。首先,选取高信噪比（S/N>30）、被LAMOST标记为B,A,F和M的恒星光谱数据,总计约414万个。然后,对光谱数据计算谱线指数从而使其得到降维处理,过滤冗余信息。其次,将处理后的恒星光谱数据随机划分为训练集和测试集,通过适当调整算法参数,用训练集得到所需要的分类决策树模型,用测试集测试其稳定性和可用性,以防止出现过拟合,同时使用算法自带函数进行提取分类特征。最后,输出并整理实验中算法所得的决策树模型,并挑选其概率比较大的分支作为最终的决策树模型。通过实验,可以发现在固定参数下,XGBoost所得的模型有一定的自适应性,较少受数据集影响,总体准确率可达88.5%;同时其所输出的分类决策树与已知的特征较为吻合,而且可以获得基于大数据的、数值化的特征谱线对应分类的范围,为完善基于特征的分类提供定量的规则。     

基于统计窗的恒星连续谱自动拟合方法

提出一种基于统计窗的恒星连续谱拟合方法。该方法将恒星光谱划分为若干个统计窗,在每个窗口内根据信噪比选取一定比例的流量点,然后对选出来的流量点进行低阶多项式迭代拟合,从而得到连续谱。实验表明,与其他方法相比,该方法得到的连续谱更接近于实际连续谱。该方法对SDSS中除M外的各种光谱型连续谱的拟合均具有很高的实用性和鲁棒性,对于郭守敬望远镜(LAMOST)先导巡天恒星光谱的连续谱拟合同样具有非常好的效果。     

一种抗噪声的M型星视向速度测量方法

M矮星是银河系中最普遍的恒星,它们的运动状况能提供银河系演化的线索,视向速度(RV)是反映M矮星运动状况的重要参数之一。我国的大科学工程LAMOST巡天项目已经获得了数十万M型星光谱,测量这些恒星的视向速度需要自动、高效的程序。计算M矮星视向速度的一般方法是将观测光谱与模板光谱进行交叉相关得出。然而在实际处理过程中,由于本质上的不同或者噪声的影响,一些观测光谱和模板光谱错误匹配,从而使得这些光谱的视向速度测量产生偏差。为了减少噪声等因素的影响,对于信噪比较高、但局部有较强噪声的光谱,采用统计与经验特征相结合的方法选取光谱中的有效特征段、避开噪声污染的波段计算M型星的视向速度。利用该方法对LAMOST DR3 M型星星表中的部分实测光谱测量了视向速度,将之与APOGEE星表中的对应视向速度进行了对比。结果表明该方法有效地减少了局部噪声对视向速度的影响,提高了视向速度测量的准确率。     

M矮星光谱型分类研究

M矮星的研究对于探索银河系的结构、演化以及搜寻地外生命有重要意义。获得M矮星的光谱型是一项重要的基础工作。本研究采用SLOAN DR7的M矮星样本,参考随机森林的特征重要性度量, 提取M矮星可见光波段600~900 nm之间的特征。提取的特征与现有的光谱分类程序Hammer中采用的特征进行对比增加了三个新的特征,并重新计算了模板的特征指数。对该方法测试结果表明,增加了新指数的程序光谱型分类结果准确度有很大提高,该方法已用于对LAMOST的M矮星光谱进行光谱型分类。     

一种基于交叉相关的类星体的红移测量方法

给出了一种新的类星体光谱的红移测量方法。首先,利用提取出的发射谱线信息确定一组红移候选;然后,按这些红移候选将静止模板光谱红移,计算所得光谱与目标光谱的相关值;最后,确定最大相关值对应的红移候选为目标光谱的红移。相对于已有的基于谱线匹配的方法,此方法的性能受谱线提取效果的影响较小。实验结果表明： 此方法的鲁棒性较好,性能优于基于谱线匹配的方法。     

基于相融性度量的光谱分类方法

海量天体光谱的自动分类以及从海量天体光谱中发现新类型天体或新的天文规律(知识发现)已经受到天文工作者的普遍关注。在相关文献中这两方面的研究工作都是分别进行的。文章首先提出了一种相融性度量的概念,该度量能够刻画一个样本与训练样本集融合为一体的程度。然后,在此基础上给出了一种基于相融性度量的k-近邻分类方法。该方法不仅能够实现较准确的分类,而且还具有相当好的知识发现能力。通过对活动星系与活动星系核实验表明,该方法无论对分类还是对知识发现都是非常有效的。     

双活动星系核寄主星系的光谱合成分析

星系并合会产生不同尺度距离的星系对甚至双活动星系核,同时在过程中会触发星暴以及超大质量黑洞的活动。在光谱上,当两个星系并合到kpc尺度时,其两个核的相互绕转在总光谱上会表现出窄线双峰谱线轮廓。以这个观测特性为起点,从郭守敬望远镜巡天的第四次释放数据(LAMOST DR4)中系统的搜寻带有窄发射线双峰特征的双AGN候选体。AGN的发射线光谱轮廓由发射线的若干种不同的动力学成分构成,主要可以分为三类,窄线成分(Hβ,[OⅢ], Hαand [NⅡ]),[OⅢ]的线翼、以及宽的Balmer发射线。基于LAMOST DR4河外光谱数据,应用了一套搜寻流程,在初始筛选(涉及到发射线的信噪比、等值宽度和红移)及目视检查挑选之后,通过建立的多高斯拟合模型挑选出在发射线的流量、半高全宽、窄线双峰之间速度分离程度等一系列参数上符合我们限制要求的样本,并借助于Baldwin-Phillips-Terlevich (BPT)图来鉴别每个成分的来源,确定出了28个双AGN候选体。为了获取更准确的星族成分并发现这类双AGN候选体样本的共有特性,对28个双AGN候选体的光谱流量用一个低阶多项式重新进行了修正并采用传统的统一插值和中值方法对其进行合并得到一条高信噪比光谱,并以目前已有的来源于LAMOST星系光谱数据的Ⅱ型AGN(单AGN)的复合光谱作为对照样本,采用STARLIGHT软件分别拟合了合并的双AGN和对照的单AGN的光学光谱中的吸收线和连续谱。通过研究它们的星族特性及两者间的异同,发现与单AGN复合谱相比,双AGN候选体样本的合并谱具有更多中等年龄及老年星族的贡献,反映出更剧烈的中心黑洞。在金属丰度方面,单AGN的主导星族为太阳金属丰度的星族Z_⊙,而双AGN候选体合并谱中贡献较多的星族为亚太阳金属丰度星族0.2 Z_⊙和富金属丰度星族2.5 Z_⊙,表现出了差异性特征,也预示着这类样本中恒星形成历史更加复杂,呈现出了多样化。在幂律谱成分贡献方面在单、双AGN中老年星族都贡献了其大部分质量,但单AGN复合谱中幂律成分占比为8.2%,明显高于双AGN候选体合并谱中幂律成分的贡献。     

星系光谱的400.0 nm跳变点的自动测量技术

本文给出星系光谱中的400.0nm跳变点位置和跳变值的自动测量方法,利用小波变换和离散卷积等技术,避免了对每条光谱进行繁琐的测量,可以作为星系光谱研究的预处理步骤。     

一种基于非线性降维求正常星系红移的新方法

提出了一种确定正常星系红移的有效方法,该方法分为以下3个步骤:(1)利用四阶小波系数作为正常星系的特征表示,它能较好地反映吸收线、跳变点和吸收带的信息;(2)利用非线性降维方法LLE(locally linear embedding)将特征数据映射到三维空间中一维流形;(3)由一维流形上的红移分布数据,根据最近邻方法得到正常星系的红移值.实验表明,文中所给的方法较文献中通常使用的PCA方法对于红移的确定具有更高的精度.     

基于光谱相似度的恒星大气参数自动测量方法

采用模板匹配方法进行恒星光谱的自动处理时,不需要计算光谱的线指数,而采取对全谱匹配的方法尽可能多的保存有用的信息,可得到比较理想的结果。提出一种基于光谱相似度的恒星大气参数自动测量的方法。首先对恒星光谱进行连续谱归一化,然后通过计算待测光谱和模板光谱之间的相似性来进行模板匹配,从而得到相对准确的恒星大气参数。通过ELODIE实测光谱数据和NGS理论模板库之间的实验表明,本方法可有效进行恒星大气参数的自动测量,并能得到理想的结果。