机器学习算法在银河系沃尔夫-拉叶星红外颜色筛选中的应用
太阳与恒星天体物理
2017-12-13 v1
摘要
我们研究并应用了机器学习算法对银河系沃尔夫-拉叶（WR）候选星进行红外颜色筛选。取自银河系平面红外天体GLIMPSE星表的天体，可根据其宽波段测光星等（、和来自2MASS，以及四个\textit{Spitzer}/IRAC波段）推断出的颜色分类为不同的恒星族。本试点研究中测试的算法是近邻（-NN）方法的变体，该方法非常适用于变量与类别间关系复杂的分类问题的探索性研究。本研究的目标是：（1）提供自动化工具有效筛选可靠的WR候选星及潜在的其他类型天体；（2）衡量红外颜色筛选执行这些任务的效率；（3）为统计推断银河系中WR星总数奠定基础。我们报告了在一组已知天体及已进行后续光谱观测的所选候选星上获得的性能结果，并确认发现了4颗新的WR星。
引用
@article{arxiv.1712.01409,
title = {Applications of Machine-Learning Algorithms for Infrared Colour Selection of Galactic Wolf-Rayet Stars},
author = {Giuseppe Morello and Patrick W. Morris and Schuyler D. Van Dyk and Anthony P. Marston and Jon C. Mauerhan},
journal= {arXiv preprint arXiv:1712.01409},
year = {2017}
}
备注
Authors' version of published paper, now at MNRAS, 473, 2565