基于密度聚类的流星雨检测
地球与行星天体物理
2018-03-14 v1
摘要
我们提出一种使用基于密度的带噪声应用空间聚类算法（DBSCAN; Ester et al. 1996）检测流星雨的新方法。DBSCAN是一种现代聚类检测算法，因其能够从大型数据集中高效提取不同形状和大小的簇，非常适合于从全天相机数据中提取流星雨的问题。我们将该流星雨检测算法应用于包含来自NASA全天火球网络和南安大略流星网络（SOMN）的25,885条流星轨迹和轨道的数据集。使用基于太阳经度、地心速度和日心黄道辐射点的距离度量，我们在数据中发现25个强簇检测和6个弱检测，所有这些都很好地匹配已知流星雨。我们在分析中纳入测量误差，以量化簇出现的可靠性以及每颗流星属于给定簇的概率。我们通过假阳性/阴性分析以及与已建立的流星雨检测算法的比较来验证我们的方法。
引用
@article{arxiv.1702.02656,
title = {Meteor Shower Detection with Density-Based Clustering},
author = {Glenn Sugar and Althea Moorhead and Peter Brown and Bill Cooke},
journal= {arXiv preprint arXiv:1702.02656},
year = {2018}
}
备注
8 figures, 2 tables, published in Meteoritics & Planetary Science