穷尽信息：光致红移概率密度函数的新颖贝叶斯组合
宇宙学与河外天体物理
2014-06-05 v2 天体物理仪器与方法
摘要
光致红移概率密度函数（photo- PDFs）的估计与利用在过去几年中变得日益重要，目前存在多种计算 photo- 的算法，各具优缺点。在本文中，我们提出了一种新颖且高效的贝叶斯框架，通过最大化光测数据中的信息，将不同 photo- 技术的结果组合成更强大且稳健的估计。为演示此方法，我们使用了一种基于随机森林的有监督机器学习技术、一种基于自组织映射的无监督方法以及一种标准的模板拟合方法，但该框架可轻松扩展至其他现有技术。我们利用 DEEP2 和 SDSS 巡天数据探索了组合这些技术预测的不同方法。通过使用不同的性能指标，我们证明了相较于最佳输入技术，我们可以提高最终 photo- 估计的精度，降低异常值比例，并且在将此组合信息应用于 Na\"{i}ve Bayes 分类器时，异常值的识别能力显著增强。我们更稳健且精确的 photo- PDFs 将允许利用当前及未来的光测巡天做出更精确的宇宙学约束。随着我们着手分析逼近甚至超出可用训练数据极限的光测数据（大型综合巡天望远镜 Large Synoptic Survey Telescope 将面临的情况），这些改进至关重要。
引用
@article{arxiv.1403.0044,
title = {Exhausting the Information: Novel Bayesian Combination of Photometric Redshift PDFs},
author = {M. Carrasco Kind and R. J. Brunner},
journal= {arXiv preprint arXiv:1403.0044},
year = {2014}
}
备注
21 pages, 19 figures, minor corrections, accepted for publication to MNRAS