评估分子气体团块识别算法的性能
星系天体物理
2020-04-15 v1
摘要
分子云中团块（核）的检测是亚毫米天文学中的一个重要问题。然而，自动团块识别算法的识别完备性和返回参数的准确性至今仍不清楚。在本工作中，我们测试了 GaussClumps、ClumpFind、Fellwalker、Reinhold 和 Dendrograms 算法在识别模拟团块时的性能和偏差。通过设计具有不同大小、峰值亮度和密集程度的模拟团块，我们研究了这些算法的特性及其性能。在检测完备性方面，Fellwalker、Dendrograms 和 Gaussclumps 分别是表现第一、第二和第三好的算法。六种算法的正确识别数量随着模拟团块大小和信噪比的增加而逐渐增加，并随着密集程度的增加而减少。在返回参数的准确性方面，Fellwalker 和 Dendrograms 表现出优于其他算法的性能。所有算法的团块参数平均偏差随着团块大小和信噪比的增加而逐渐增大。除 Fellwalker 外，大多数算法在提取团块总流量时表现出显著偏差。综合来看，Fellwalker、Gaussclumps 和 Dendrograms 在检测完备性和参数提取方面表现最佳。六种算法的维里参数偏差相对较低。将六种算法应用于 Rosette 分子云的团块识别时，ClumpFind1994、ClumpFind2006、Gaussclumps、Fellwalker 和 Reinhold 表现出的性能与模拟测试结果一致。
引用
@article{arxiv.1910.07692,
title = {Assessing the Performance of Molecular Gas Clump Identification Algorithms},
author = {Chong Li and Hong-chi Wang and Yuan-wei Wu and Yue-hui Ma and Liang-hao Lin},
journal= {arXiv preprint arXiv:1910.07692},
year = {2020}
}
备注
23 pages, 13 figures. Accepted for publication in RAA