论文部分内容阅读
降维是天体光谱数据预处理常用的手段之一，如何利用标号天体光谱数据，克服降维过程中的过分拟合，是提高降维效果的有效途径之一。采用半监督学习，给出了一种天体光谱数据特征降维方法。该方法首先针对具有标号天体光谱数据，建立Fisher判别分析和PCA可变动选择的不确定关系；其次构建其半监督降维的全局最优化形式，通过特征值分解计算降维结果，从而有效地克服了天体光谱降维过程中的过分拟合问题；最后采用高红移类星体和晚型星SDSS天体光谱特征线数据集，实验验证了该方法的有效性。