分享到:

“巡天”迈向千万级天体光谱时代

“说起LAMOST,我总会想起那次和天文同仁们夜航舟山。苏定强、陈建生同志这时找到了我,他们两位现在都是中国科学院院士,那时还是中青年学者。他们找我是为了讨论下一步的中国天文学。当时我国天文学正面对着‘极其困难、又非常急迫的下一步’。”中科院院士、国家天文台原台长王绶琯,曾回忆他担任中科院数学物理学部主任、国家科委天文学科组副组长等职务期间,大型“巡天”设备LAMOST这一创新构想诞生的时代背景。$$   那时,“天文实测已揭开‘全波段、大样本、巨信息量’时代的序幕,正在把学科的开拓引进新的‘广大与精微’……在这之后不久,我们把目标定在配置多根光学纤维(简称‘多光纤’)的‘大天区面积大规模光谱’的开拓上。接着是方案探讨,先后经过多次学术讨论,三易蓝图,1994年终于把方案定型在LAMOST上。”$$  从物理学天空“两朵乌云”到天文学“两朵乌云”$$   “100年前,近代物理学处于革命前夜。两个重大发现——迈克尔逊...  (本文共3页) 阅读全文>>

《模式识别与人工智能》2006年03期
模式识别与人工智能

基于覆盖算法的天体光谱自动分类

3期杨金福等:基于覆盖算法的大体光谱自动分类l引言 我国的I一AM()ST巡天计划在投人运行后.每个观测夜将会获得约2万到4万条天体光谱数据.利用人工方法对这些数据进行分类显然不能满足实际需求.因此需要研究以计算机为主的自动分类方法. 通常天文学家是依据光谱的特征谱线和物理参数等来判定天体的类型,其中潜线是分类的显著特征.如对吸收型与发射型光谱的区分,是通过寻找特征谱线并判断其中发射线和吸收线的多寡来判定.但对计算机来说,要完全按照天文学家的方法来实现天体的自动分类是十分困难的,因为计算机不具有天文学家的天文知识和经验.不能像天文学家那样正确辨认特征谱线.特别是在有噪声和红移等因素的影响时.计算机自动提取与识别谱线更为困难. 目前关于光谱的自动识别、分类的研究,大多集中在恒尾光谱和星系光谱的分类一识别’一石.Kt,rtz用交叉相关和主分量分析方法嘴’,把MK方法用于低分辨率光谱‘’.Gtllati.vonHippol等人将人工神...  (本文共7页) 阅读全文>>

西安电子科技大学
西安电子科技大学

模式识别方法在天体光谱自动处理中的应用

随着观测手段的不断进步,天体光谱数据在迅速增加,我国在建的LAMOST望远镜,每个观测夜可以得到2-4万条天体光谱.面对如此巨大的海量数据,采用自动的光谱分析与识别方法已成为必然的选择.天体光谱的自动分析与识别主要包括光谱分类、参数测量和谱线证认.针对光谱自动处理的各个环节,我们利用模式识别的方法对星系光谱的自动处理相关技术进行了研究.主要工作有:1.对光谱的去噪进行了研究,提出了一种基于均值漂移的自适应双边滤波方法.其性能仅取决于空域的核尺度参数,幅度域的核尺度是根据信号的局部特征自适应选取的.该方法能够去除脉冲噪声,能有效抑制非脉冲噪声,并有较强的边缘保护能力,比较适合非发射线天体光谱的去噪.2.非发射线天体光谱是天体光谱谱线自动提取中最难处理的一种.已有的谱线自动提取方法大都对发射线天体光谱较为有效,而对谱线较弱的非发射线天体光谱处理不好.提出了一种适于非发射线天体光谱的谱线自动提取方法.首先,采用迭代处理拟合出较为满意的...  (本文共113页) 本文目录 | 阅读全文>>

太原科技大学
太原科技大学

基于影响空间的K-means聚类算法及其应用

聚类分析作为一种非常重要的数据挖掘技术,已经越来越受到研究者的青睐,并被广泛应用到机器学习、模式识别、图像处理等众多领域。K-means是一种在生活、生产实践中最受关注并广泛使用的经典聚类算法,但仍然存在着对初始中心点和噪声数据敏感、聚类过程距离计算时间开销大等缺陷。本文针对K-means的上述问题分别进行了研究,提出了相应的改进策略,并将改进后的聚类算法应用到天体光谱数据的分析中。主要研究内容如下:(1)针对传统K-means算法对初始中心点和噪声数据比较敏感的缺陷,给出了一种基于影响空间的K-means聚类初始中心点优化算法。该算法引入影响空间数据结构对给定数据集进行区域划分,获得各个区域中的代表数据点,并利用加权距离吸引因子对代表性数据点进行合理合并获取所需要的初始中心点。选取的初始中心点一般分布于局部密度最大区域,可以有效降低噪声数据对聚类结果的影响。理论分析与实验结果表明,该算法在聚类精度和迭代次数上与同类算法比较,具...  (本文共58页) 本文目录 | 阅读全文>>

《光谱学与光谱分析》2011年12期
光谱学与光谱分析

基于分形编码的天体光谱降噪方法

引言郭守敬望远镜(large sky area multi-object fiber spectros-copy telescope,LAMOST)能够观测暗弱至20.5m星等的天体,每个观测夜可以得到近万条光谱。来自遥远宇宙的光谱信号在传输、接收过程中容易引入噪声。天体光谱中的噪声主要分为三种。光子噪声,主要表现为随机白噪声;宇宙线是极窄的强脉冲,属于个别奇异点,易去除;天光线是出现在固定波长处的强脉冲噪声(550和630nm等),易去除。因此,降低随机白噪声干扰,以恢复干净清晰的连续谱和谱线,是本工作主要的研究内容,也是LAMOST天体光谱自动分析和处理系统的一个重要环节。设计适用于天体光谱的自动降噪方法,需要考虑两点。(1)根据天文学具体问题对光谱质量的要求,设计复杂度不同的降噪方法。例如,测量星系红移时[1],若其发射线明显,则不需要降噪;而对于弱发射线或吸收线星系,则需要降噪,以便正确识别谱线线心。再如,研究微观湍流、...  (本文共4页) 阅读全文>>

《自动化学报》2008年09期
自动化学报

基于概念格的天体光谱离群数据识别方法

我国正在建造的大天区面积多日标光纤光谱望远镜(LAMOST),是目前世界上光谱获取率最高的望远镜.LAMOST具有高效率大规模测量天体光谱的能力,可提供的研究课题将遍及银河系、星系、星系团、活动星系核,直到宇宙大尺度结构等11].预计从2007年下半年起,每个观测夜晚将收集2到4万条光谱的数据,LAMOST所观测到的光谱数据容量将达到4TB.如此庞大的数据,利用传统人工分析数据的方式将无法满足实际需求,因此急需一种可通过计算机处理的数据分析技术来解决这一问题.目前,天体光谱数据分析与处理主要集中于光谱的分类和识别问题,天文学界研究较多的是恒星光谱的分类识别,具有代表性的是Autodass,它是基于贝叶斯统计的一种分类方法,其独特的分类结果发现了一些以前未注意的光谱类型和谱线; Gulati等首先采用两层BP神经网络方法,用于恒星光谱次型的分类;Jones等采用多个BP网络平均进行恒星光谱次型的分类识别;薛剑桥等采用自适应神经网络...  (本文共7页) 阅读全文>>