离散分类与主成分分析：K 星中巨型与矮星谱的判别
天体物理学
2009-10-30 v1
摘要
我们展示了一种主成分分析（PCA）的变体，用于天文学中的判别问题。该 PCA 变体被证明能够在数据 classes 之间提供最佳线性判别。在测试案例中，我们提出了从中分辨率谱中对 K 巨星与 K 矮星在 Mg `b' 特征附近的判别问题。判别程序是在 24 个标准 K 巨星和 24 个标准 K 矮星的训练集上进行训练，然后用于对约 1500 颗未知 luminosity class 的野战 K 星进行巨星-矮星分类，这些星最初被视觉分类。在最高信噪比谱上，自动分类与视觉分类的一致性非常好（在 90-95% 的水平）。最重要的是，自动方法以可重复的方式对星系进行分类，并且根据数值实验，对于信噪比（S/N）降低非常稳健。
引用
@article{arxiv.astro-ph/9704014,
title = {Discrete Classification with Principal Component Analysis: Discrimination of Giant and Dwarf Spectra in K-stars},
author = {Rodrigo Ibata and Michael Irwin},
journal= {arXiv preprint arXiv:astro-ph/9704014},
year = {2009}
}
备注
16 pages, 4 figures, 2 tables. Accepted for publication in AJ