基于扫描统计驱动聚类方法的时间标记数据活动峰识别及其在伽马射线数据样本中的应用

时间标记数据样本中活动周期的研究是一个备受关注的课题。在天体物理样本中，由于当今来自 FERMI-LAT 和 AGILE-GRID 伽马射线望远镜的海量准连续数据集，伽马射线源被广泛研究。为揭示给定伽马射线源的耀发时段，研究者使用分箱光变曲线。该方法存在若干缺陷：结果依赖于时间分箱，且对于低信噪比区间活动周期的识别较为困难。我开发了一种通用的时间不分箱方法来识别时间标记数据中的耀发周期并区分统计显著的耀发：我提出一种一维事件聚类方法来识别耀发时段，并使用扫描统计评估整个数据样本中耀发的显著性。这是一种测光算法。将所识别峰值的标准似然分析得到的测光结果（如测光流量、伽马射线空间分布）与同期结果进行比较，是确定源混淆是否损害结果的必要步骤。该流程可应用于揭示任何时间标记数据样本中的耀发。以 3C 454.3 的伽马射线活动和蟹状星云的快速变异性研究作为示例。所提方法的结果类似于测光光变曲线，但峰值被分辨出来，它们在整体研究周期内统计显著，且峰值探测能力不受时间分箱相关问题影响。该方法可应用于已知天球位置的伽马射线源。此外，当有必要评估整个研究周期内来自未知伽马射线源的耀发的统计显著性时，也可使用该方法。