使用 Gaia DR3 改进的源分类与性能分析

离散源分类器（DSC）利用贝叶斯框架和全局先验，对 Gaia 数据发布 3（GDR3）中的源提供概率分类。GDR3 中的 DSC Combmod 分类器对于河外类别（类星体和星系）实现了 92% 的高完整度，但由于受到数量远为庞大的恒星类别的污染，其纯度仅为 22%。然而，这些单一指标掩盖了性能随星等和天区位置的显著变化。此外，各个分类器之间可以有更好的组合方式。在此，我们计算了完整度和纯度随银道纬度和源亮度变化的二维表示，并排除了恒星污染显著降低纯度的大麦哲伦云区域。在不改变已发布的 GDR3 DSC 概率本身的情况下，在更干净的验证集上重新评估，我们对类星体和星系类别分别实现了 92% 和 95% 的平均二维完整度，以及 55% 和 89% 的平均二维纯度。由于 Gaia 中河外天体与恒星的相对比例预计会随亮度和纬度发生显著变化，我们引入了一个作为亮度和纬度连续函数的新先验，并计算了新的类别概率。这种可变先验仅将性能提高了几个百分点，主要在暗端。然而，通过 Specmod 和 Allosmod 的新加性组合获得了显著改进。该分类器 Combmod-$\alpha$ 在使用全局先验时，对类星体和星系类别分别实现了 82% 和 93% 的平均二维完整度，以及 79% 和 93% 的平均二维纯度。因此，我们以较小的完整度损失换取了纯度的显著提升。这种改进对于暗类星体最为显著，其纯度从 20% 上升至 62%。