【摘 要】
：
机器学习是目前非常流行且高效的方法,具有分类和回归的功能。它们能够识别或近似出多维特征空间中的复杂非线性模型,为天文学中的一些复杂问题提供了新的解决方案。本文主要利用机器学习中主流算法研究恒星/星系/QSO分类、恒星光谱类型分类以及估算恒星表面温度。具体研究工作如下:本文利用6)近邻算法（6）NN)、决策树（DT）、随机森林（RF）和支持向量机（SVM）在LAMOST DR5上进行恒星/星系/QS
论文部分内容阅读
机器学习是目前非常流行且高效的方法,具有分类和回归的功能。它们能够识别或近似出多维特征空间中的复杂非线性模型,为天文学中的一些复杂问题提供了新的解决方案。本文主要利用机器学习中主流算法研究恒星/星系/QSO分类、恒星光谱类型分类以及估算恒星表面温度。具体研究工作如下:本文利用6)近邻算法（6）NN)、决策树（DT）、随机森林（RF）和支持向量机（SVM）在LAMOST DR5上进行恒星/星系/QSO分类。选择u,g,r,i,z,J,H作为算法输入特征。结果表明,以上四个算法模型能够以～95%的准确度识别星源类型。筛选出恒星后,本文继续借助上述四个主流机器学习算法去识别恒星的光谱类型（G,K,M,F,A）。结果显示,四个算法模型的ROC（receiver operating characteristic）曲线下面积都接近1,这四个模型都能在一定程度上识别恒星光谱类型。RF和SVM的识别精度高于6)NN和DT的识别精度。随机森林能够以～73%的准确度识别恒星光谱类型。究其原因,G星和F星交叉错分严重,这两星的预测效果不如其他三星。本文使用随机森林去估算恒星表面有效温度。恒星主要来源于SDSS DR16的APOGEE和LAMOST DR6。此外,本文还对比分析了两种输入特征集的预测效果。当采用NUV-u、u-g、g-r、r-i、i-J、J-H、H-K、K-WISE＿4＿5作为算法输入特征时,随机森林在APOGEE恒星上的准确度高达94.91%,其估算的温度与标准给定的温度的标准偏差为93.89K;随机森林在LAMOST恒星上的准确度高达90.46%,其估算的温度与标准给定的温度的标准偏差为113.10K。当采用NUV-J、J-H、H-K、K-WISE＿4＿5作为算法输入特征时,随机森林在APOGEE恒星上的准确度高达94.37%,其估算的温度与标准给定的温度的标准偏差为96.59K;随机森林在LAMOST恒星上的准确度高达88.89%,其估算的温度与标准给定的温度的标准偏差为119.92K。与前者相比,精度不会降低太多且NUV、J、H、K、WISE＿4＿5均来自于全天观测,可以更广泛地应用于恒星有效温度的估算。而且,J-H是估算有效温度最重要的特征,其次是NUV-J。NUV是一个不可忽略的波段。
其他文献
本文针对在科学计算和工程应用领域广泛出现的复数域线性与弱非线性方程组问题,在CRI方法的基础上提出了几种新的方法来求解此类问题.本文将主要研究内容分为两部分依次进行阐述.第一,本文将采用分块形式的逐次超松弛（SOR）迭代技巧,提出在一般情形下的修正CRI（MCRI）方法,同时基于极小残差（MR）思想和双参优化技巧,提出极小残差CRI（MRCRI）方法,紧接着,在理论分析方面证明了两种新方法在合适的
本文主要研究混沌系统的固定时间控制与同步问题。众所周知,在实际应用中混沌系统的有限时间同步比渐近同步更具有应用价值。固定时间同步是一种特殊的有限时间同步,它的收敛时间有限且与初值条件无关,从而克服了一般的有限时间同步与初值有关的缺点。与有限时间同步相比固定时间同步在实际应用中更便利、实用范围更广泛,因此研究混沌系统的固定时间同步具有重要的理论与实际意义。本文首先讨论了一类整数阶混沌系统的固定时间同
近年来,基于多智能体系统的分布式优化问题引起了广泛的关注.对于分布式优化问题,其算法的设计与收敛性分析是研究的重点.因此,本文致力于研究分布式二阶优化算法及其收敛性分析,以解决分布式无约束凸优化问题.本文首先考虑了无向图上的分布式无约束凸优化问题,基于恒定步长方案和梯度跟踪策略,提出了新颖的连续时间分布式二阶优化算法.所提出的算法旨在摒弃递减步长方案,加速分布式一阶优化算法的收敛速度,并进一步拓展
目的 探讨基于MDT的“互联网+5A护理模式”在炎症性肠病（IBD）患者中应用效果。方法 选取某三甲医院2022年4-12月住院的IBD患者60例，采用随机数字表法将其分为干预组和对照组，每组30例。对照组采用常规护理模式，干预组在对照组的基础上实施基于MDT的“互联网+5A护理模式”。比较2组平均住院时间、非计划复诊次数及疾病知识水平、服药依从性、自我效能、生活质量评分。结果 干预组平均住院时间
目的探讨护理敏感性结局指标体系构建及在炎症性肠病患者护理中的应用研究。方法选取2020年1月-2022年1月我院炎症性肠病患者124例为研究对象,根据抽签法将其分为对照组和观察组各62例。对照组实施常规护理,观察组以奥马哈问题分类系统及护理结局分类为依据,采用Delphi法构建护理敏感性结局指标体系,并探究以体系为导向的护理方案在IBD患者中的应用效果。结果两轮专家询函问卷调查有效回收率分别为89
信号与图像处理、经济管理和机器学习中的许多问题可以抽象为凸优化问题。根据一阶最优性条件,这些问题通常可以转化为单调包含问题。而算子分裂算法是求解单调包含问题的重要迭代算法,传统的算子分裂算法主要包括向前向后（Forward-backward）分裂算法,Douglas-Rachford分裂算法和向前向后向前（Forward-backward-forward）分裂算法等。它们的特点就是可以充分利用每个
信号和图像处理、医学图像重建和机器学习等中的许多问题都可以表示为具有线性等式约束的两块可分离凸极小化问题,其中之一是强凸的。Tseng交替极小化算法是求解这类问题的重要算法之一,为提高该算法的收敛速度,我们提出一种松弛的交替极小化算法,并证明所提出的算法收敛到问题的原始对偶解。同时,研究所提出算法在遍历和非遍历意义下的收敛速度。我们应用所提出的算法来解决图像去噪中出现的几个复合凸极小化问题,并评估
目的：探讨基于重要性-表现程度分析法的护理措施在炎症性肠病（IBD）患者中的应用效果。方法：选取2019年3月1日～2021年4月30日收治的IBD患者68例，按随机数字表法分为对照组和观察组各34例。对照组实施常规护理措施，观察组在常规护理上实施基于重要性-表现程度分析法的护理措施；比较两组不同时间自我效能[采用炎症性肠病自我效能表（IBD-SES）]、生活质量[采用炎症性肠病生活质量问卷（IB
本论文主要将离散动力系统的一些遍历理论和传递属性推广到了可数离散amenable群作用（以下简称为amenable群作用）并改进了相关文献中的主要结论,得到了amenable群作用具有某种敏感依赖性或遍历性的充分（充要）条件.本论文共分为四章,具体内容如下:第1章绪论,主要介绍了拓扑动力系统的相关研究背景和目前的研究现状,以及本论文研究所需的一些预备知识.第2章获得了amenable群作用的几个工
本文主要利用饱和控制研究了具有外部干扰的混沌系统的可变指数同步。混沌同步由于具有广泛的应用前景而得到人们大量的研究。指数同步是一种重要的同步方式,大多数现有的指数同步方案的收敛速度是一个固定的常数,然而从实际应用角度出发人们希望系统能尽快实现指数同步且收敛速率可以根据实际情况进行调整。另一方面,在实际情况中部分执行器由于物理限制有可能达到饱和的情形。当执行器处于饱和状态时控制系统的性能可能会受到严