基于随机森林的Lupus恒星形成区年轻恒星天体候选体识别方法
太阳与恒星天体物理
2020-04-22 v1 星系天体物理
天体物理仪器与方法
摘要
在恒星形成区内对恒星成员进行识别与表征，对恒星形成的诸多方面至关重要，包括初始质量函数形式化、星周盘演化和恒星形成历史。先前对Lupus恒星形成区的巡天已通过红外 excess（红外超出）和吸积特征识别了成员。我们利用机器学习，基于两台空间天文台——ESA的Gaia和NASA的Spitzer的巡天数据来识别Lupus的新候选成员。来自Gaia Data Release 2的天测测量，以及Spitzer空间望远镜上Infrared Array Camera (IRAC) 的天测与测光数据和其他巡天数据，被汇编为用于随机森林（Random Forest, RF）分类器的星表。我们对RF分类器进行测试，以寻找最佳特征、成员列表、非成员识别方案、插补方法、训练集类别加权和应对数据类不平衡的方法。我们列出了27个Lupus恒星形成区的候选成员以供光谱后续观测。多数候选体位于云V和云VI中，而此前已知该区域仅有一个确认成员。这些云可能代表稍年老的恒星形成种群。
引用
@article{arxiv.2003.10575,
title = {A Random Forest Approach to Identifying Young Stellar Object Candidates in the Lupus Star-Forming Region},
author = {Elizabeth Melton},
journal= {arXiv preprint arXiv:2003.10575},
year = {2020}
}
备注
31 pages, 14 figures