基于熵学习机的恒星光谱分类(英文) |
| |
引用本文: | 刘忠宝,任娟娟,宋文爱,张静,孔啸,富丽贞.基于熵学习机的恒星光谱分类(英文)[J].光谱学与光谱分析,2018(2). |
| |
作者姓名: | 刘忠宝 任娟娟 宋文爱 张静 孔啸 富丽贞 |
| |
作者单位: | 中北大学软件学院;中国科学院光学天文重点实验室; |
| |
摘 要: | 数据挖掘被广泛应用于恒星光谱分类。为了提高传统光谱分类方法性能,提出熵学习机(Entropybased Learning Machine,ELM)。在该方法中,熵用来刻画分类的不确定性。为了得到理想的分类结果,分类的不确定性应最小,基于此,可得ELM的最优化问题。ELM在处理二分类问题和稀有光谱发现等方面具有一定优势。SDSS中K型、F型、G型恒星光谱数据集上的比较实验表明:ELM在进行恒星光谱分类时,其分类性能优于k近邻(k Nearest Neighbor)和支持向量机(Support Vector Machine)等传统分类方法。
|
本文献已被 CNKI 等数据库收录! |
|