WISExSuperCOSMOS全天天体目录中星系的机器学习识别
星系天体物理
2016-11-30 v2 天体物理仪器与方法
摘要
目前两个最大的全天测光数据集WISE和SuperCOSMOS由Bilicki等人(2016)(B16)交叉匹配，以在70%的天区上构建一个新的测光红移目录。其中的星系通过颜色截断与恒星和类星体分离，但由于在颜色空间中重叠的不同源类型相混合，这可能留下缺陷。本工作的目标是通过机器学习的替代方法在WISExSuperCOSMOS目录中识别星系。这允许我们在多色空间中定义比简单颜色截断可能实现的更为复杂的分离，并应提供更可靠的源分类。对于自动化分类，我们使用支持向量机学习算法，采用与WISExSuperCOSMOS交叉匹配的SDSS光谱源作为训练和验证集。我们进行了若干测试以检验分类器的行为（完备性、纯度和准确度）作为源视星等和银纬的函数。然后我们将分类器应用于全天数据并分析所得的候选星系目录。我们还将如此产生的数据集与B16中给出的进行比较。测试表明分类器在亮端具有非常高的准确度、完备性和纯度（>95%），对最暗源退化，但仍保持85%的可接受水平。未观察到分类质量随银纬的显著变化。将分类器应用于全天WISExSuperCOSMOS数据在屏蔽问题区域后给出1500万星系。所得样本比B16中的更纯，代价是全天完备性较低。与颜色截断相比，自动分类给出了定义可靠星系样本的成功替代方法。
引用
@article{arxiv.1607.01188,
title = {Machine-learning identification of galaxies in the WISExSuperCOSMOS all-sky catalogue},
author = {T. Krakowski and K. Małek and M. Bilicki and A. Pollo and M. Krupa and A. Kurcz},
journal= {arXiv preprint arXiv:1607.01188},
year = {2016}
}
备注
12 pages, 15 figures, accepted for publication in A&A. Obtained catalogue will be included in the public release of the WISExSuperCOSMOS galaxy catalogue available from http://ssa.roe.ac.uk/WISExSCOS