利用 k-means 聚类对斯隆数字巡天恒星光谱进行自动无监督分类
太阳与恒星天体物理
2015-06-12 v1 星系天体物理
摘要
(摘要略) 本文探讨了使用 k-means 聚类作为海量恒星光谱目录自动无监督分类的工具。分类标准由数据和算法定义，无需预先设定物理框架。我们处理了与 SDSS SEGUE 和 SEGUE-2 项目相关的一组代表性恒星光谱。我们对原始光谱以及去除连续谱后的光谱进行了分类。第二组仅包含谱线，对流标定不确定性的依赖较小。对含连续谱光谱的分类产生了 16 个主要类别。粗略而言，恒星按其颜色划分，具有足够的精细度以区分相同有效温度的矮星与巨星，但在分离不同金属丰度的恒星方面存在困难。总体而言，我们导出的类别与 MK 型之间不存在一一对应关系。对不含连续谱光谱的分类产生了 13 个类别，颜色分离不那么尖锐，但能区分具有相同有效温度和不同金属丰度的恒星。由此获得的一些类别呈现出相当窄的物理参数范围（有效温度 200 K，表面重力 0.25 dex，金属丰度 0.35 dex），因此该分类可用于以最低计算成本估算某些恒星的主要物理参数。我们还分析了分类中的异常值。其中大多数被证明是归约流水线的失败案例，但也包括高红移类星体 (QSOs)、多重恒星系统、尘埃红化恒星、星系，最后还有一些性质尚未 decipher 的奇特光谱。代表各类别的模板光谱已公开提供 (ftp://stars:[email protected])。
引用
@article{arxiv.1211.5321,
title = {Automated unsupervised classification of the Sloan Digital Sky Survey stellar spectra using k-means clustering},
author = {J. Sanchez Almeida and C. Allende Prieto},
journal= {arXiv preprint arXiv:1211.5321},
year = {2015}
}
备注
Accepted for publication in ApJ. 18 pages. Template spectra avaiblable at ftp://stars:[email protected]