CHIME快速射电暴的机器学习分类：II. 无监督方法
高能天体物理现象
2023-01-03 v3
摘要
快速射电暴(FRBs)是最神秘的天文暂现源之一。在观测上，它们可分为重复暴与表观非重复暴。然而，由于缺乏连续观测，部分表观重复暴可能被误判为非重复暴。在一个由两篇论文组成的系列中，我们旨在用机器学习解决此类问题。在本系列的第二篇论文中，我们聚焦于一系列无监督机器学习方法。我们将多种无监督机器学习算法应用于首个CHIME/FRB目录，以学习其特征并在不预设FRB为重复或非重复的前提下将FRB分类至不同簇。这些簇揭示了重复暴与非重复暴之间的差异。随后，通过与观测类别中FRB身份的对比，我们评估了各算法的性能并分析了结果背后的物理含义。最后，结合论文I中使用有监督机器学习方法所得结果，我们推荐了一份最可信重复暴候选体清单，作为未来观测活动搜寻重复暴的目标。
引用
@article{arxiv.2210.02471,
title = {Machine learning classification of CHIME fast radio bursts: II. Unsupervised Methods},
author = {Jia-Ming Zhu-Ge and Jia-Wei Luo and Bing Zhang},
journal= {arXiv preprint arXiv:2210.02471},
year = {2023}
}
备注
15 pages, 15 figures, 2 tables, published on MNRAS. Updated to match the published version