一种用于 EROS 2 数据集周期估计的新型全自动化流程
天体物理仪器与方法
2015-09-24 v1 太阳与恒星天体物理
信息论
math.IT
摘要
我们提出了一种区分周期性与非周期性不规则采样光变曲线的新方法。我们引入了一种周期性核函数，并最大化源自信息论的相似度度量，以估计周期和判别因子。我们在一个包含 100,000 条由多变量生成模型生成的、具有不同周期、振幅和形状的合成周期性及非周期性光变曲线的数据集上测试了该方法。对于信噪比（SNR）大于 0.5 的光变曲线，我们以 90% 的完备率和 95% 的精确度正确识别了周期性和非周期性光变曲线。我们利用这些合成光变曲线表征了模型的效率和可靠性，并将该方法应用于 EROS-2 数据集。一个关键的考量因素是该方法的执行速度。通过分层搜索和对参数搜索的一些简化，我们能够在 GPGPU 集群上用 18 小时分析 3280 万条光变曲线。基于对合成数据集的敏感性分析，我们推断 LMC 中 0.42% 和 SMC 中 0.61% 的源表现出周期性行为。训练集、星表和源代码均可在 http://timemachine.iic.harvard.edu 获取。
引用
@article{arxiv.1412.1840,
title = {A Novel, Fully Automated Pipeline for Period Estimation in the EROS 2 Data Set},
author = {Pavlos Protopapas and Pablo Huijse and Pablo A. Estevez and Pablo Zegers and Jose C. Principe},
journal= {arXiv preprint arXiv:1412.1840},
year = {2015}
}