基于机器学习的HSC-SSP移动天体检测流水线真/伪判别系统
天体物理仪器与方法
2018-02-14 v2 地球与行星天体物理
摘要
机器学习技术被广泛应用于许多现代光学巡天，例如Pan-STARRS1、PTF/iPTF和Subaru/Hyper Suprime-Cam巡天，以减少人工干预进行数据验证。本研究中，我们建立了一个基于机器学习的真/伪(real-bogus)系统，以剔除Subaru/Hyper-Suprime-Cam战略巡天计划(HSC-SSP)源目录中的错误检测。因此，由于假阳性减少，HSC-SSP移动天体检测流水线可更有效地运行。为训练该真/伪系统，我们使用静止源作为真训练集，将“被标记”数据作为伪集。训练集包含47个特征，其中大多数是由HSC图像处理流水线(hscPipe)生成的光度测量和形状矩。我们的系统可达到真阳性率(tpr)~96%且假阳性率(fpr)~1%，或在fpr~5%时tpr~99%。因此我们得出结论：静止源是合适的真训练样本，且使用光度测量和形状矩可有效剔除假阳性。
引用
@article{arxiv.1704.06413,
title = {Machine Learning Based Real Bogus System for HSC-SSP Moving Object Detecting Pipeline},
author = {Hsing-Wen Lin and Ying-Tung Chen and Jen-Hung Wang and Shiang-Yu Wang and Fumi Yoshida and Wing-Huen Ip and Satoshi Miyazaki and Tsuyoshi Terai},
journal= {arXiv preprint arXiv:1704.06413},
year = {2018}
}
备注
Ver.2, 18 pages, 6 figures, submitted to PASJ HSC special issue