Fermi LAT 目录中不确定类型耀变体精确分类的混合方法
天体物理仪器与方法
2020-06-10 v1 星系天体物理
摘要
Fermi 未关联源分类方面的重大进展，导致越来越多的耀变体被发现。光学光谱被有效地用于将耀变体分为两组，即 BL Lac 天体和平谱射电类星体（FSRQs）。然而，对没有光学光谱信息的耀变体，即不确定类型耀变体（BCUs），进行准确分类仍然是一个重大挑战。在本文中，我们提出了一种主成分分析（PCA）与机器学习混合的耀变体分类方法。该方法基于 Fermi LAT 3FGL 目录的数据，首先使用 PCA 提取 BCUs 的主要特征，然后使用机器学习算法对 BCUs 进行进一步分类。实验结果表明，使用 PCA 算法显著改善了分类效果。更重要的是，与 Fermi LAT 4FGL 目录（包含 Fermi-LAT 3FGL 目录中那些 BCUs 的光谱分类）进行比较，揭示了本研究提出的分类方法比现有方法具有更高的准确率；具体而言，171 个 BL Lac 天体中的 151 个和 24 个 FSRQs 中的 19 个被正确分类。
引用
@article{arxiv.2004.09670,
title = {A Hybrid method of accurate classification for Blazars Of Uncertain Type in Fermi LAT Catalogs},
author = {Yijun Xu and Weirong Huang and Hui Deng and Ying Mei and Feng Wang},
journal= {arXiv preprint arXiv:2004.09670},
year = {2020}
}
备注
16 Pages, APJ