利用机器学习搜寻 LSP BL Lac 天体中误分类源的候选体

基于等效宽度(EW)的分类可能因喷流连续谱流量的剧烈变化稀释谱线特征，从而对平谱射电类星体(FSRQ)与 BL Lac 天体(BL Lac)造成错误判别。为助于解决该问题，本文基于随机森林监督机器学习算法探究可能的本征分类。为此，我们编撰了来自 4LAC-DR2 星表的 1680 个同时具有伽马射线与射电频率数据的 Fermi 耀变体样本，其中包含 1352 个训练与验证样本以及 328 个预测样本。通过研究 23 个特征参数的所有不同组合结果，我们发现存在 178 个具有最高精度($\simeq$ 98.89\%)的最优参数组合(OPC)。利用这些 OPC 中九种组合对 328 个预测样本的分类综合结果，我们预言有 113 个真实 BL Lac(TBL)与 157 个假 BL Lac(FBL)可能是被误分类为 BL Lac 的本征 FSRQ。FBL 在 $\gamma$ 射线光子谱指数 $\Gamma_{\rm ph}$ 与 X 波段射电流量 ${\rm log}{F_{R}}$ 图中与 TBL 及 FSRQ 明显分离。现象上，暗示存在一个 BL Lac 到 FSRQ(B-to-F)的过渡区，其中 FBL 处于从 BL Lac 向 FSRQ 过渡的阶段。与文献中报道的 LSP 变脸耀变体(CLB)相比，多数 LSP CLB 位于 B-to-F 区。我们认为位于 B-to-F 过渡区的 FBL 是最可能的 CLB 候选体。