基于阿里云人工智能平台(PAI)机器学习方法的星系光谱自动分类
天体物理仪器与方法
2018-01-17 v2
摘要
在数据爆炸时代，光谱自动分类是天文学中的活跃研究领域。新一代巡天望远镜（如 LAMOST 和 SDSS）产生海量光谱，亟需自动光谱分类以替代当前有人工干预的模型拟合方法。星系，特别是活动星系核(AGNs)，是巡天计划的重要目标。高效自动的星系光谱分类方法是对星系物理性质和演化进行系统研究的基础。为此，本文在阿里云人工智能平台(PAI)上开展实验，探索基于机器学习方法的星系光谱自动分类。对由约 10000 条 SDSS DR14 星系光谱组成的数据集使用了监督机器学习算法（逻辑回归、随机森林和线性 SVM），并对分类结果进行了比较与讨论。这些星系光谱均带有子类标签（即 AGNs、星暴、恒星形成等），我们将其用作训练标签。
引用
@article{arxiv.1801.04839,
title = {Automated Spectral Classification of Galaxies using Machine Learning Approach on Alibaba Cloud AI platform (PAI)},
author = {Yihan Tao and Yanxia Zhang and Chenzhou Cui and Ge Zhang},
journal= {arXiv preprint arXiv:1801.04839},
year = {2018}
}
备注
4 pages, presented at the Astronomical Data Analysis Software and Systems (ADASS) XXVII conference, Santiago, Chile, October 2017