所有 SDSS/DR7 星系光谱的自动无监督分类

使用“k-means”聚类分析算法，我们对第七次也是最终的斯隆数字巡天数据发布（SDSS/DR7）中的所有星系光谱进行了无监督分类。除了平移至静止系波长以及归一化至 g 波段流量外，未对原始光谱进行任何操作。该算法确保具有相似光谱的星系属于同一类别。我们发现 99% 的星系可以归入仅 17 个主要类别，而另外 11 个次要类别包含了剩余的 1%。该分类并非唯一，因为许多星系出现在类别之间，然而，我们对算法的实现通过一种识别边界星系的工具克服了这一弱点。每个类别由一个模板光谱表征，该光谱是该类别中所有星系光谱的平均值。这些低噪声模板光谱沿从 0 到 27 标记的序列平滑且连续地变化，从最红的类别到最蓝的类别。我们的自动光谱 k-means 分类（ASK）按颜色分离星系，具有红序、蓝云以及绿谷的特征类别。当红序星系和绿谷星系呈现发射线时，它们表现出 AGN 活动的特征。蓝星系类别具有对应于恒星形成区的发射线。我们发现了光谱类别与哈勃型之间预期的相关性，但该关系表现出较高的内禀散射。本文识别并概述了 ASK 分类的几种潜在用途，包括通过插值快速确定物理性质、将类别作为红移测定中的模板，以及后续研究中的目标选择（我们发现了 Seyfert 星系、绿谷星系以及大量离群值的类别）。ASK 分类可通过各种网站公开访问。