从NVSS中选出的巨射电源
摘要
本文展示了将模式识别技术应用于从NVSS星表中识别巨射电源（GRS）问题的结果，并探讨了影响该过程的问题。决策树模式识别软件被应用于由已知NVSS大角径射电星系构建的训练集源对。完整训练集包含51,195个源对，其中48个为已知GRS，其每个瓣主要由单个星表分量表示。源对的最大分离为20角分，在1.4 mJy水平上最小分量面积为1.87平方角分。我们论证了在未知类别比例情况下比较训练集与应用集所得概率分布的重要性。经确定，从测试的最佳分类器中随机选取的（GRS，非GRS）对被正确排序的概率为97.8 +/- 1.5%。将最佳分类器应用于整个星表中超过870,000个候选对。对高排名源的图像进行了视觉筛选，并给出了包含形态学注释的超过一千六百个候选体的表格。这些系统包括双源与三源、宽角尾（WAT）与窄角尾（NAT）、S形或Z形系统，以及核-喷流与已分辨核。虽然某些已分辨瓣系统可通过该技术找回，但通常预计此类系统需要不同的方法。
引用
@article{arxiv.1603.06895,
title = {A Selection of Giant Radio Sources from NVSS},
author = {D. D. Proctor},
journal= {arXiv preprint arXiv:1603.06895},
year = {2016}
}
备注
20 pages of text, 6 figures, 22 pages tables, total 55 pages. The stub for Table 6 is followed by the complete machine readable file. To be published in The Astrophysical Journal Supplement. Revision 1: Corrected typos, references updated/corrected, addition to acknowledgments. Five candidates identified as SNR (Thanks to D. A. Green)