用自组织映射对 0.5<z<1 的星系光谱进行分类
星系天体物理
2019-03-14 v1
摘要
星系的光谱包含其物理性质的信息。利用模板对光谱分类有助于阐明星系能源的性质。本文研究使用自组织映射对照模板对星系光谱进行分类。我们用一组覆盖远紫外到近红外波长范围的模板训练了半监督自组织映射网络。训练后的网络用于对 142 个 0.5 < z < 1 的星系样本光谱进行分类，并将结果与使用 K-means 聚类、监督神经网络和卡方极小化进行的分类比较。对应宁静星系的光谱更可能被所有方法类似地分类，而星暴光谱表现出更大变异性。与用卡方极小化或监督神经网络分类相比，被自组织映射归为一类的星系具有更相似的光谱。一维自组织映射给出的类别排序对应于物理性质上的排序，这是探索大型数据集潜在的重要特征。
引用
@article{arxiv.1805.07845,
title = {Classifying galaxy spectra at 0.5<z<1 with self-organizing maps},
author = {S. Rahmani and H. Teimoorinia and P. Barmby},
journal= {arXiv preprint arXiv:1805.07845},
year = {2019}
}
备注
MNRAS in press; 19 pages, 22 figures