盖亚数据释放2的机器学习分类
太阳与恒星天体物理
2018-10-17 v1 星系天体物理
天体物理仪器与方法
摘要
机器学习因其对大量数据做出预测或计算建议的极强能力而日益流行。我们将机器学习分类应用于数据释放2中的85,613,922个天体,基于Pan-STARRS 1与AllWISE数据的组合。分类结果与Simbad数据库交叉匹配,总准确率为91.9%。我们的样本以恒星为主,约98%,星系占2%。对于具有负视差的天体,约2.5%为星系和类星体(QSO),而当相对视差不确定度小于0.2时,约99.9%为恒星。我们的结果表明,采用0 0.2的阈值可得到非常纯净的恒星样本。
引用
@article{arxiv.1808.05728,
title = {Machine Learning Classification of Gaia Data Release 2},
author = {Yu Bai and JiFeng Liu and Song Wang},
journal= {arXiv preprint arXiv:1808.05728},
year = {2018}
}