海量光谱中激变变星候选体的数据挖掘

提出一套适用于海量光谱自动快速筛选激变变星的方法.利用已证认的激变变星光谱作为模板,使用主分量分析提取主特征后构造光谱特征矩阵,将海量光谱利用光谱特征矩阵映射到特征空间后,使用支持向量机排除大部分非候选体,最后对较少数量的候选体进行模板匹配并证认,结果作为反馈进一步丰富模板库.实验发现了58个新的激变变星候选体,表明了该方法的可行性,为在LAMOST海量光谱中快速搜索激变变星等稀少天体提供了有效途径.     

基于随机森林的激变变星候选体的数据挖掘

提出一种适用于在郭守敬望远镜海量光谱中自动、快速筛选激变变星的方法。利用已证认的激变变星光谱作为模板,通过随机森林分类训练,得到一个分类模型,该模型给出了各个波长对应流量的重要性排序,可根据该排序进行降维并用于激变变星判别,结果作为反馈进一步丰富模板库。实验中共发现了16个新的激变变星候选体,表明了该方法的可行性。     

LAMOST-DR1中激变变星光谱的数据挖掘研究

LAMOST-DR1是郭守敬望远镜正式巡天发布的首批数据,其数量超过目前世界上所有已知恒星巡天项目的光谱总数。这为进一步扩大特殊和稀少天体如激变变星的数量提供了样本,同时也对天文数据处理方法和技术提出了更高的要求。针对LAMOST的数据特点,提出一种能够在海量天体光谱中自动、快速发现激变变星的方法。该方法使用拉普拉斯特征映射对天体光谱进行降维和重构。结果表明不同类别的天体光谱在拉普拉斯空间中能够得到较明显的区分。在使用粒子群算法对神经网络的参数进行优化后,对LAMOST-DR1的全部数据进行了自动识别。实验共发现了7个激变变星,经过证认,其中2个是矮新星,2个是类新星,1个是高度极化的武仙座AM型。这些光谱,补充了现有的激变变星光谱库。本文验证了拉普拉斯特征映射对天体光谱进行特征提取的有效性,为高维光谱进行降维提供了另一途径。在郭守敬望远镜正式发布的数据中寻找激变变星的首次尝试,实验结果表明该自动化的方法鲁棒性好,速度快,准确率高。该方法也可用于其他大型巡天望远镜的海量光谱处理。     

激变变星光谱参数测量研究

激变变星是一类特殊而且数量稀少的双星系统,其主星是一颗白矮星, 伴星通常是一颗充满洛希瓣的光谱型为G,K或M型的晚型星或矮星。激变变星是一类爆发型的恒星,对于研究密近双星的演化具有积极的意义。激变变星按照爆发特征和光变特征可以分为很多亚型,如新星、再发新星、矮新星、类新星和磁激变变星。同时激变变星又是一类周期型的变星,这些因素都导致其可见光光谱非常复杂。目前对于激变变星的参数测量,主要通过后续观测来测量其轨道周期、主星和伴星之间的距离等。由于在吸积的过程中,物质在白矮星的表面累积,无法直接测量主星的物理参数,而且激变变星本身是一种暗弱的天体,实测光谱数量较少,因此极大限制了对激变变星物理参数的系统研究。目前唯一能够生成激变变星理论光谱的软件是基于光致电离模型的CLOUDY,但CLOUDY存在采样点过于稀少以及参数太多等问题,不能作为理想的理论光谱模板。法国ELODIE高分辨率的光谱可以作为M型恒星光谱参数测量的理论模板。前期工作中,通过机器学习等方法在美国斯隆巡天和中国郭守敬望远镜巡天数据中发现了一批激变变星。通过人工筛选,选择了伴星是M型的407条实测光谱,这些光谱大部分是宁静期的矮新星,光谱的主要特征是巴尔末线系和氦的发射线。再通过与高分辨率的ELODIE光谱交叉,利用SDSS-casjob数据库中的ELODIE参数,对激变变星的红端部分进行模板匹配,系统测量了其伴星的物理参数。为了降低计算量,对高维的光谱分别通过主分量分析和局部线性嵌入两种方法进行了特征提取和降维。实验结果表明LLE方法在邻域大小15,维度59时达到最高贡献率94.91%。根据PCA和LLE的交集,最终光谱的维度确定为59。实验中发现激变变星的伴星中M2型数量极少,具体原因需要更多的样本来解释。因为实验中激变变星光谱中,只有部分有明显的分子带特征,因此那些在爆发下降阶段或者光谱被吸积盘特征控制的激变变星没有进行参数测量。该实验弥补了激变变星光谱物理参数测量的空白。     

基于信息熵的变星光谱快速识别方法

变星对人类研究宇宙的起源与发展具有重要意义,对于变星研究的困难首先源于对变星的筛选和识别,即如何从海量恒星光谱数据中有效识别变星光谱。传统的异常数据定义试图通过不同的方式寻找异常数据与一般模式之间的偏差,进而予以定量分析和筛选。然而,这种方法的时间复杂度过大,且结果存在不可理解和无法解释的问题。文章利用熵可以反映系统有序程度与稳定程度的特性,引入信息熵作为衡量数据集一般模式的标准,提出了基于信息熵的变星光谱快速识别方法。该方法显著降低了算法的时间复杂度,有效地消除了人为主观因素对识别结果的影响。采用国家天文台提供的Sloan数字巡天数据实验验证了该方法的可行性和有效性。     

一类新的边界激变现象:混沌的边界激变

混沌吸引子的激变是一类普遍现象.借助于广义胞映射图论(generalized cell mapping digraph)方法发现了嵌入在分形吸引域边界内的混沌鞍,这个混沌鞍由于碰撞混沌吸引子导致混沌吸引子完全突然消失,是一类新的边界激变现象,称为混沌的边界激变.可以证明混沌的边界激变是由于混沌吸引子与分形吸引域边界上的混沌鞍相碰撞产生的,在这种情况下,当系统参数通过激变临界值时,混沌吸引子连同它的吸引域突然消失,同时这个混沌鞍也突然增大 关键词： 广义胞映射 有向图 激变 混沌鞍     

常微分方程系统中内部激变现象的研究

应用广义胞映射图论方法研究常微分方程系统的激变.揭示了边界激变是由于混沌吸引子与 在其吸引域边界上的周期鞍碰撞产生的,在这种情况下,当系统参数通过激变临界值时,混 沌吸引子连同它的吸引域突然消失,在相空间原混沌吸引子的位置上留下了一个混沌鞍.研 究混沌吸引子大小(尺寸和形状)的突然变化,即内部激变.发现这种混沌吸引子大小的突然 变化是由于混沌吸引子与在其吸引域内部的混沌鞍碰撞产生的,这个混沌鞍是相空间非吸引 的不变集,代表内部激变后混沌吸引子新增的一部分.同时研究了这个混沌鞍的形成与演化. 给出了对永久自循环胞集和瞬态自循环胞集进行局部细化的方法. 关键词： 广义胞映射 有向图 激变 混沌鞍     

SDSS-DR10中WDMS光谱的自动搜索研究

SDSS-DR10是美国SLOAN巡天望远镜发布的最新数据,包含了首批APOGEE光谱。这些海量的天文光谱除了可以用来探寻银河系的结构和进行多波段证认外,还蕴藏着包括白矮主序双星在内的特殊天体。白矮主序双星是一类特殊的双星系统,它由两颗主序星演化而来,包含了中低质量恒星演化的终点—白矮星,以及M矮星。白矮主序双星对于密近双星的演化和参数研究有积极的意义。目前针对这类特殊天体的发现主要使用测光筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现目标天体的需要。提出一种适用于在海量天文光谱中自动、快速发现白矮主序双星的方法。该方法针对SDSS的DR10数据,使用改进的遗传算法对海量光谱进行自动识别,寻找白矮主序双星候选体。实验共发现了4, 140个白矮主序双星,通过交叉证认,其中24个是未被收录的新的源。验证了遗传算法在天文数据挖掘和自动搜索方面的有效性,为在海量光谱中快速发现特殊天体提供了另一途径。该方法也可用于在其他巡天望远镜的海量光谱中进行特定天体的自动识别。提供了新发现的白矮主序双星的赤经、赤纬等信息,补充了现有的白矮主序双星光谱库。     

一类分段光滑映象中有新特征的激变

讨论了描述一类电子张弛振子的分段光滑映象中的两种不连续性导致激变的特性.一种激变发生的机理是一个混沌吸引子吸引域内的不稳定周期轨道与映象的不连续区碰撞;而另一种激变的机理是一个混沌吸引子与两个映象的不连续区构成的“映孔”碰撞.发现第一种激变的平均层流相长度的标度律为〈τ〉∝^-1.8,层流相长度分布的标度律为P(τ)=1〈τ〉·exp-τ〈τ〉,而第二种激变的标度律分别为〈τ〉∝exp(k^-1/2)和P(τ)=1〈τ〉exp-τ〈τ〉. 关键词：     

一例系统性质改变导致的激变

当控制参数改变时，在一个受击台球模型中观察到从处处光滑保守系统向分段光滑类耗散系统的过渡。它导致标志典型保守随机网向系统函数不连续边界象集构成的瞬态随机网突然转变的特殊激变。瞬态随机网上的迭代最终落入一个由椭圆岛链形成的，在上述转变阈值出现的逃逸孔洞。这孔洞随控制参数增长而变大，使迭代逃逸更快，因此瞬态网上迭代的平均生存时间遵从具有特殊标度因子的幂律。与此同时，一个在同一阈值出现的肥分形禁区网也不断增长而且切掉原来保守随机网的越来越多的部分，使得剩余的瞬态网越来越“瘦”。我们的数值研究表示这一过程可以用另一个幂律来描述。     

矮新星候选体的自动搜索研究

美国斯隆数字巡天望远镜已经发布了第9期数据。这些海量的天文光谱数据除了可以用来进行大样本的研究,如探寻银河系的结构和进行多波段证认外,还蕴藏着稀少和特殊的天体,其中就包括矮新星。矮新星是激变变星中所占比例最高的一个亚型,发现更多的矮新星样本对于研究密近双星的演化和参数有积极的意义。目前针对激变变星这类稀少天体的发现主要使用测光粗筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现矮新星候选体的需要。本文提出一种适用于在海量光谱中自动、快速发现矮新星的方法。该方法针对SDSS的DR9数据,先使用支持向量机约束主分量分析进行降维,确定特征空间的维数,然后再使用训练后得到的最优分类器对海量光谱进行自动识别,寻找矮新星候选体。实验共发现了276个矮新星,其中6个是未被收录的新的源,表明了该方法的有效性,为在海量光谱中快速发现稀少和特殊天体提供了有效途径。实验中发现的新结果补充了现有的矮新星模板光谱库,可以构造更准确的特征空间。本方法也可用于在其他的巡天望远镜如郭守敬望远镜的海量光谱中进行特殊天体的自动搜索。     

数据挖掘在温室大棚上的应用研究

随着物联网的兴起,数据的积累速度、维度以及体积等也越来越大,成了真正的大数据范畴。在农业温室大棚中部署的大量各种各样的传感器产生了大量多源异构的传感数据,而且这些数据中存在需要清洗的各种脏乱数据。本文按照数据清洗,模型构建和模型应用三个部分进行详述,首先介绍数据清洗技术和多源异构数据的融合技术,然后列举了常见的预测模型构建方法并分别指出了每种方法的适用情况,最后对常见的应用领域进行了综述和总结,并提出了目前还存在的问题,以及对未来的展望。     

基于数据挖掘技术的瓦斯气体红外光谱定量分析方法的研究

瓦斯气体的监测是影响煤矿安全的重要因素之一,对其的在线实时监测成为煤矿安全的重要保障。本文采用红外光谱分析技术,对瓦斯气体的红外定量分析算法进行了研究。为提高模型分析精度,将数据挖掘技术应用在分析算法中。通过增加基于K平均非分层聚类分析对数据进行处理发现,带聚类分析的偏最小二乘算法比单纯采用偏最小二乘算法在精度上明显占优。另外,为减少模型中个别定标样本误差对精度的影响,采用聚类分析的方式进行了数据预处理,发现这种去噪方法在分析精度上又有所提高。     

一种晚型天体光谱离群数据挖掘系统

探索海量的M型恒星中具有磁活动、巨星等较特殊、稀有的天体,对于后续观测、银河系结构、演化等科学研究具有重要的意义,针对M型恒星光谱特征线出现在子空间中的局部偏离,设计并实现了晚型恒星离群数据挖掘系统。首先采用稀疏因子和稀疏度系数度量样本在属性空间上的分布特征,并在此基础上对M型恒星光谱特征线进行离散化、降维等预处理,获得光谱子空间;然后采用微粒群算法搜索离群子空间,并证认子空间内光谱是否离群;此外,选择SDSS M型光谱特征线指数集为样本,实验分析了稀疏因子和稀疏度系数的设置对离群结果的影响,并将离群挖掘结果与SDSS提供光谱型等参数对照,表明利用该系统实现晚型恒星光谱特征线局部离群数据挖掘是可行并有价值的。     

近红外光谱分析技术的一些数据处理方法的讨论

介绍了近红外光谱分析的技术原理,常用的几种建模方法以及各自的特点。同时,阐述了光谱的预处理,其中的小波变换方法是一种新的数学工具,有着广泛的应用前景。     

基于PowderX软件的拉曼光谱数据处理

将处理 X射线衍射谱的 Powder X软件用于处理拉曼光谱数据 ,可方便地获得谱线中各个拉曼峰的位置、强度和半高宽等信息。经过平滑、去背景后 ,拉曼谱图的变化趋势与原始谱图吻合 ,谱线的信噪比及分辨率也有所提高 ,表明 Powder X软件完全可用于拉曼光谱的数据处理