首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   0篇
物理学   4篇
  2007年   1篇
  2006年   2篇
  2005年   1篇
排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
基于神经网络的模板匹配方法求正常星系红移   总被引:1,自引:1,他引:0  
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。  相似文献   
2.
基于广义判别分析的光谱分类   总被引:5,自引:4,他引:1  
提出了基于广义判别分析(generalized discriminant analysis,GDA)方法对恒星(Star)、星系(Galaxy)和类星体(Quasars)的光谱进行分类.广义判别分析将核技巧与Fisher判别分析结合起来,通过非线性映射将样本集映射到高维特征空间F,在F空间中进行线性判别分析.实验对比了LDA,GDA,PCA,KPCA算法对于恒星、星系和类星体的光谱分类性能.结果表明基于GDA的算法对于这3种类型光谱的分类正确率最高,LDA次之;尽管KPCA也是一种基于核的方法,但是选择主成分个数较少时效果较差,甚至低于LDA;基于PCA的分类效果最差.  相似文献   
3.
一种基于非线性降维求正常星系红移的新方法   总被引:1,自引:0,他引:1  
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.  相似文献   
4.
针对光谱分类,提出了一种基于核技巧的覆盖算法--核覆盖算法.该算法将核技巧与覆盖算法相结合,并在特征空间中抽取支持向量.实验表明核覆盖算法在光谱分类中的精度与SVM相差不大,但是它只涉及距离的计算,不必象SVM那样求解二次规划问题,对于核宽的选择也不象SVM那样非常敏感.核覆盖算法与覆盖算法相比分类性能相当,它的优势在于引入的非线性映射Φ改变了样本集在特征空间中之间的距离关系,使得核覆盖算法得到的支持向量个数大大少于覆盖算法.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号