层次匹配与回归及其在测光红移估计中的应用

本工作强调，在分类和回归问题中应利用数据的异质性、多样性、不连续性和离散性。全局先验模型可能并不理想。对于宇宙学中的数据解析，这一点受到宇宙天体种类繁多的驱动，例如在广泛红移范围内的椭圆星系、旋涡星系、活动星系和并合星系。我们的目标是基于匹配和相似性的解析方法，该方法考虑数据中的离散关系。数据的信息结构由层次或树表示，其中分支结构（而非仅仅是邻近性）至关重要。这种表示与 p 进数论相关。与测量精度相关的数据值聚类或分箱在该方法中具有核心作用。若用于回归，我们的方法是一种聚类式回归方法，是对最近邻回归的推广。为了例证这种解析方法并展示其计算优势，我们处理了众所周知的测光红移（photo-z）问题，旨在匹配斯隆数字巡天（SDSS）的光谱红移和测光红移。