森林中的DRAGN：在VLASS DRAGN星表中使用随机森林模型识别伪影

甚大阵巡天（VLASS）的快速查看数据产品包含大量成像伪影，这些伪影源于其生成过程中使用的简化成像算法。使用DRAGNhunter算法在VLASS第一期快速查看发布数据中发现的与活动星系核（AGN）相关的双射电源（DRAGN）星表，就受到这些伪影的污染。这些源包含两个或三个独立组件，每个组件都可能是一个伪影。我们训练随机森林模型，根据这些DRAGN包含的伪影数量（从零到三个）对其进行分类。我们通过审慎的训练集选择来优化模型并缓解数据集中的类别不平衡问题，我们最好的模型实现了$97.01\%^{+1.12\%}_{-1.32\%}$的加权F1分数。利用我们的分类结果，我们生成了一个VLASS DRAGN星表，从中可以提取出一个估计完整度为99.3%、且97.7%的源无伪影的星表。