應用AutoClass算法聚類分析SDSS巡天的恒星數(shù)據(jù)

1、應用AutoClass算法聚類分析SDSS巡天的恒星數(shù)據(jù)嚴太生2008年11月于太原提綱 恒星自動分類/聚類的背景 AutoClass算法 SDSS數(shù)字巡天及參數(shù)選取 AutoClass分類結果及討論 結論1 恒星自動分類/聚類的背景一個完整詳細的恒星樣本不僅對于恒星的基本組成,演化歷史,而且對于研究星系結構和演化都有很重要的意義。隨著從地面和空間觀測設備獲取大量的數(shù)據(jù),構建大的完整的樣本成為可能。為了提高分類/聚類的效率，我們需要依靠區(qū)別性很好的分類器。 相關的恒星自動分類/聚類工作列舉如下：A）Bazarghan (2008) 運用神經網絡對從O型星到M型星的5000個光譜分類成158個光

2、譜類型。B）應用GLIMPSE中紅外巡天數(shù)據(jù)，Mercer (2005) 運用自動檢測算法在銀河系星系盤中發(fā)現(xiàn)了一些新星團。C）使用支持矢量機算法，Wozniak (2004) 從北天變星巡天數(shù)據(jù)中發(fā)現(xiàn)8678個慢變星。D）Froebrich (2008) 通過分析恒星密度圖和顏色-顏色/星等圖，對銀河系新的星團進行分類。E）Jaschek (1990) 撰寫了一本關于恒星分類的工具,方法和結果等綜合小冊子。2 AutoClass算法介紹AutoClass是基于Bayesian理論的一種非監(jiān)督分類算法。它通過結合對實型的或者離散型的數(shù)值特性的類別描述，自動發(fā)現(xiàn)數(shù)據(jù)的自然分類。對于實型數(shù)據(jù)， A

3、utoClass應用高斯分布，而對于離散型數(shù)據(jù)應用Bernoulli分布。 AutoClass的幾個關鍵特性如下：A）自動確定類別的數(shù)目；B）能使用實型的和離散型的混合數(shù)據(jù)；C）能夠處理缺值數(shù)據(jù)；D）處理需要的時間與數(shù)據(jù)量成簡單的線形關系；E）產生一個報告描述發(fā)現(xiàn)的類別，并且通過訓練數(shù)據(jù)構建的分類器預測測試數(shù)據(jù)的類型。 AutoClass被廣泛應用于天文和其他的領域，有助于發(fā)現(xiàn)一些未知的令人驚奇的類別。3 SDSS數(shù)字巡天及參數(shù)選取A）SDSS數(shù)字巡天簡介 SDSS數(shù)字巡天是一個在天文上非常富有野心的重要的巡天。它已經觀測了將近2億個天體，對其中的67萬5千個星系，9萬個類星體和18萬5千多個

4、恒星拍攝了光譜；此外，它得到了超過1/4天區(qū)的93萬個星系和12萬類星體在可見光五個波段的圖象數(shù)據(jù)。B）分類參數(shù)選取 我們選取SDSS DR6的恒星具有光譜的測光數(shù)據(jù)（即已經過光譜證認的測光數(shù)據(jù)），通過去缺值，得到140865條恒星測光數(shù)據(jù)。 為了實現(xiàn)在多維空間中的恒星聚類，每條數(shù)據(jù)記錄都包含有5個屬性（psf_u-u,psf_g-g,psf_r-r,psf_i-I,psf_z-z)，即PSF星等和模型星等在五個波段的各自差值。4 AutoClass分類結果及討論A）AutoClass分類結果我們將恒星分類限制在兩類（stars和non-stars，這里non-stars是指特殊恒星和非恒星天

5、體），并且將AutoClass的模型參數(shù)設置為Single_normal（沒有缺值的實數(shù)特性模型）。通過運行search程序，我們獲得分類結果是139874個stars和991個non-stars。Stars和Non-stars分布圖i）星等-星等圖StarsNon-starsii）顏色-星等圖StarsNon-starsB） non-stars的證認我們已經應用AutoClass獲得了分類結果并且選出了non-stars。下面的任務就是對這些non-stars進行證認。i）通過SIMBAD證認在SIMBAD中，將non-stars的坐標輸入進去，將半徑誤差范圍設置為2角秒，共獲得25個non

6、-stars的證認信息。以下是25個證認的non-stars的星等/顏色-星等圖ii）通過NED證認在NED中，將non-stars的坐標輸入進去，將半徑誤差范圍設置為6角秒，共獲得50個non-stars的證認信息。以下是50個證認的non-stars的星等/顏色-星等圖iii）通過SDSS image/spectra證認對于不能通過SIMBAD和NED證認的non-stars,通過檢測它們的圖象和光譜進行證認。隨機挑選10個non-stars的數(shù)據(jù)，將它們的坐標輸入進去，下表列出了10個天體的證認信息。（如果圖象和光譜證認的信息不一致，以光譜分類為準）C）計算non-stars的分類正確率

7、。下表列舉出通過三種證認得到的百分率，得到通過SIMBAD， NED和通過SDSS image/spectra證認的正確率分別為76.0%，98.0%和80.0%，而總的正確率為89.4%。D）討論存在一些因素影響分類的效率和結果：i）任何算法（包括監(jiān)督和非監(jiān)督）都要受到它處理的數(shù)據(jù)的限制。ii）由于缺少更多有用的信息，我們不能計算stars的分類正確率，也不能詳細證認每個non-stars的類型。iii） AutoClass算法本身并不知道每個類型的具體意義。等等但是根據(jù)系統(tǒng)差異和任務指標，我們能夠建立一個良好的分類器來完成我們的分類，并獲得了一些有意義的結論。i）我們在顏色星-等圖或星等-

8、星等圖中發(fā)現(xiàn)stars和non-stars是幾乎重疊在一起的， non-stars并不一定分布在邊緣區(qū)域。所以不能通過直觀區(qū)分2維空間上的離群數(shù)據(jù)（即non-stars），這也正是應用AutoClass的原因。ii）我們注意到在通過SIMBAD和NED證認的星等-星等圖中， 有趣的是non-stars的分布幾乎形成一條斜線，而在顏色-星等圖中分布幾乎形成一條水平線，或許其中暗含一些證認信息。iii）從NED證認的分布圖中，我們可以發(fā)現(xiàn)同一類的non-stars基本上是聚集在一個很小的區(qū)域。 我們的工作是對恒星的聚類。另外，將來可以通過調整輸入?yún)?shù)看是否能提高它的分類效率和性能；也可以進一步研究

9、此算法是否也適用于其他類型的數(shù)據(jù)處理。5 結論 AutoClass分類不需要先驗知識 ，它僅僅根據(jù)觀察數(shù)據(jù)本身來獲得聚類信息。從我們的結果可以得出它可以用于SDSS 恒星測光數(shù)據(jù)的聚類分析，從而有助于建立一個純的恒星樣本。從分類的結果更能體現(xiàn)這個結論。通過分析，可以得出如下的結論：i）分析證認的non-stars結果，發(fā)現(xiàn)它們大部分是galaxy,HII,late-star等等。ii）由AutoClass構建的分類器可以用于預測沒有經過光譜證認的恒星的測光數(shù)據(jù)的類型iii）至于那些沒有能夠被證認的non-stars，可以用大望遠鏡去跟蹤觀測，或許能發(fā)現(xiàn)稀有天體。iv）分類的正確率約高達90%，AutoClass可以有效的在大樣本數(shù)據(jù)中發(fā)現(xiàn)特殊天體。v）仔細觀察相同類的non-stars的分布結