利用提升决策树改进$\gamma$/强子分离以探测微弱伽马射线源
天体物理仪器与方法
2017-01-25 v1
摘要
成像大气切伦科夫望远镜记录了大量的宇宙射线背景事件。在保留 射线的同时抑制这些背景事件，是实现对微弱 射线源良好灵敏度的关键。信号与背景事件的区分可使用机器学习算法完成，这类算法已用于物理学的多个领域。多变量分析将若干变量组合成单一变量，该变量指示事件类似于 射线或宇宙射线的程度。在本文中，我们将聚焦于使用提升决策树进行 /强子分离。我们将该方法应用于甚高能辐射成像望远镜阵列系统（VERITAS）的数据，并展示了相比 VERITAS 标准分析所改进的灵敏度。
引用
@article{arxiv.1701.06928,
title = {Improved $\gamma$/hadron separation for the detection of faint gamma-ray sources using boosted decision trees},
author = {Maria Krause and Elisa Pueschel and Gernot Maier},
journal= {arXiv preprint arXiv:1701.06928},
year = {2017}
}
备注
accepted for publication in Astroparticle Physics