基于监督机器学习识别 Fermi-LAT 4FGL-DR4 非关联源中的伽马射线脉冲星候选源

费米-γ射线空间望远镜上的大型区域天文台（LAT）自 2008 年 8 月起持续提供整个天空在 30 MeV 至 500 GeV 以上能段的优质观测数据。随后发布的一系列γ射线源目录是在对费米-LAT 数据进行综合分析后得出。最新发布的数据第 4 版费米-LAT γ射线源目录（4FGL-DR4），基于 50 MeV-1 TeV 能段的前 14 年观测，包含 7195 个源。其中约 33% 的源在低波段中没有已知的对应物。此类高能γ射线源被称为非关联或未确认源。对这些对象进行适当的分类，以已知的γ射线源类型（如活动星系核或脉冲星）进行归类，对进行源族统计研究和进行指向性的多波段观测以探测辐射过程至关重要。本文使用两种监督机器学习技术——随机森林和极端梯度提升——对 4FGL-DR4 目录中报告的非关联源进行详细分类。我们主要聚焦于利用源自 4FGL-DR4 目录中所报告的长期观测数据的不同观测特征，以识别新的γ射线脉冲星候选源。我们还探讨了数据平衡方法对费米-LAT 非关联源分类的影响。