分享到:

观天巨眼 拉近广袤星空

既“深”且“广”$$    “普查”太空,一次观测可获4000个天体光谱$$    横卧于中科院国家天文台  (本文共2页) 阅读全文>>

权威出处: 人民日报2009-06-05
《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

海量天体光谱数据的自动分类是大型观测计划项目中急需解决的重要问题之一.本文设计一种基于覆盖算法的天体光谱自动分类方法.首先对训练样本进行训练,得到各类样本的支撑点(代表点),然后在分类时只需计算待分类样本到...  (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

为了降低噪声影响,恢复光谱的连续谱和谱线等主要特征,以便准确测量谱线的等值宽度,文章根据天体光谱自身具有局部自相似性,而随机白噪...  (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

在宇宙中,寻求特殊的、未知的天体是人类探索宇宙奥妙所追求的目标之一,天体光谱离群数据识别方法是实现该目标的有效手段之一.将概念格中每个概念节点内涵描述为天体光谱数据特征子空间,提出了一种天体光谱离群数据识别方法.首...  (本文共7页) 阅读全文>>