利用 Swift 和 WISE 数据将 3FGL 未证认星表中的耀变体候选源分类为 BL Lac 和 FSRQ

我们利用机器学习方法，在费米 3FGL 未证认伽马射线源的可能 X 射线耀变体对应体样本中区分蝎虎天体(BL Lacertae objects, BL Lac)与平谱射电类星体(Flat Spectrum Radio Quasars, FSRQ)。在先前工作中，我们提取了 84 个被分类为耀变体似然度 $\geq$ 99% 的源。随后我们联合利用 Swift$-$XRT、Fermi 和 WISE(宽视场红外巡天探测器)数据来区分具体的耀变体类型，即 FSRQ 或 BL Lac。多种 X 射线与伽马射线参数可用于区分这些子类。已知它们在 WISE 颜色-颜色图上也占据不同的参数空间。综合所有这些数据将为分类源提供更稳健的结果。我们利用随机森林分类器(Random Forest Classifier)计算每个耀变体属于 BL Lac 或 FSRQ 的概率。基于 P$_{bll}$(即每个源为 BL Lac 的概率)，我们依据该值将源划分为以下五类：P$_{bll}$ $\geq$ 99% 为极可能为 BL Lac，P$_{bll}$ $\geq$ 90% 为可能为 BL Lac，P$_{bll}$ $\leq$ 1% 为极可能为 FSRQ，P$_{bll}$ $\leq$ 10% 为可能为 FSRQ，以及 90% $<$ P$_{bll}$ $<$ 10% 为不明确。我们的结果将 84 个耀变体候选源分类为 50 个可能为 BL Lac，其余 34 个为不明确。这些源中的一小部分已在最新的 Fermi 星表 4FGL 中被列为已证认源，在这些情况下我们的分类结果与其一致。