三维颜色空间中基于特征的小行星分类新方法：1. SDSS 测光系统

小行星的分类主要基于波长范围从可见光到近红外的光谱观测。自 20 世纪 70 年代以来，已获得约 2500 颗小行星的可见光-近红外光谱；21 世纪初发布的 SDSS MOC 4 包含了约 4×10⁵ 次小行星位置和颜色的测量。随后，许多工作设计了在现有分类系统框架内对这些数据进行分类的方法。然而，其中一些工作使用了二维参数空间，该空间显示出数据点云的连续分布，导致边界被人为定义。我们在此引入一种基于现有系统的更先进的小行星分类方法。该方法简单地由 SDSS 颜色的三元组表示。每种分类类型的分布和隶属关系通过机器学习方法以无监督和半监督学习的形式确定。我们将该方案应用于经可见光-近红外反射光谱校准的 MOC 4。我们成功分离出七种不同的分类，我们对这些分类拥有足够数量的光谱数据集。我们发现，在二维平面中重叠的分类类型区域，在本工作新定义的三维空间中以相对清晰的边界分离。我们的方案明确区分了不同的分类类型，这是对现有系统的改进。这种新的分类方法对小行星研究具有很大的可扩展性，例如 S-复合体中的空间风化，以及小行星族的起源和演化。我们展示了小行星带的结构，并根据我们新分配的分类描述了轨道分布。本文提出的方法还可以扩展到其他测光系统，如 Johnson-Cousins 和 LSST 滤光片系统。