基于概率随机森林分类器对Magellanic Clouds的年轻星体和演化星体进行机器学习分类
星系天体物理
2025-04-22 v1
摘要
Magellanic Clouds(MCs)是研究星际尘埃辐射及其对星系演化贡献的优异场所。通过光谱和光度分类,MCs可作为研究星体演化和以尘埃星体点源丰富的星系的独特环境。我们将机器学习分类器应用于来自调查星系代理(SAGE)项目的光谱标记数据,该项目涉及12个多波段滤镜和618个星体。我们将星体分为五个类别:年轻星体(YSOs)、碳富渐进巨星(CAGB)、氧富AGB(OAGB)、红超巨星(RSG)和后AGB(PAGB)星体。随后,我们采用合成少数过采样技术(SMOTE)来增强不平衡类别的分布。因此,基于召回率指标,概率随机森林(PRF)分类器在分类带尘埃星体源时实现了最高的89%整体准确率。本研究中,SMOTE对CAGB、PAGB和RSG类别的分类准确率没有影响,但导致OAGB和YSO类别性能发生变化。
引用
@article{arxiv.2504.14242,
title = {Machine Learning Classification of Young Stellar Objects and Evolved Stars in the Magellanic Clouds Using the Probabilistic Random Forest Classifier},
author = {Sepideh Ghaziasgar and Mahdi Abdollahi and Atefeh Javadi and Jacco Th. van Loon and Iain McDonald and Joana Oliveira and Habib G. Khosroshahi},
journal= {arXiv preprint arXiv:2504.14242},
year = {2025}
}
备注
6 pages, 2 figures, 2 tables, Published in the Communications of BAO (ComBAO)