快速脉冲星抖动分离特征选择与分类的机器学习技术比较分析
高能天体物理现象
2025-09-11 v2 宇宙学与河外天体物理
天体物理仪器与方法
摘要
快速脉冲星(FRB)是源远距离天体产生的毫秒级射电瞬态现象，表现出广泛的物理和观测属性。区分重复性和非重复性FRB仍是理解其本质的关键挑战。本文应用无监督机器学习技术，对基于CHIME目录的主要可观测量以及物理动机派生特征的FRB进行分类。我们评估了三种结合降维与聚类的混合管道：主成分分析(PCA)+K-means、t分布随机邻域嵌入(t-SNE)+层次密度基于空间的噪声聚类(HDBSCAN)，以及t-SNE+谱聚类。为识别最优超参数，我们实现了使用自定义评分函数进行的全面网格搜索，该评分函数优先考虑召回率，同时惩罚过度的簇分割和噪声。通过主成分载荷、与已知重复性标签的互信息以及置换基准F\textsubscript{2}得分灵敏度来评估特征相关性。我们的结果表明，派生特征，包括红移、亮度以及如谱系数和谱运行等谱属性，显著增强了分类性能。最后，我们识别出一组当前标记为非重复FRB的信号，在所有方法中均与已知重复FRB一致聚类，凸显了未来跟踪观测的有前景的候选对象，并强化了无监督方法在FRB天体群系研究中的实用性。
引用
@article{arxiv.2506.18854,
title = {Comparative analysis of machine learning techniques for feature selection and classification of Fast Radio Bursts},
author = {Ailton J. B. Júnior and Jéferson A. S. Fortunato and Leonardo J. Silvestre and Thonimar V. Alencar and Wiliam S. Hipólito-Ricaldi},
journal= {arXiv preprint arXiv:2506.18854},
year = {2025}
}