通过形状分解对银河数字巡天目录中的星系形貌进行分类

我们描述了将星系图像的“形状分量”(shapelet)线性分解应用于形貌分类的方法，该方法基于来自Sloan数字巡天目录(SDSS)的约3000个星系图像。对星系进行分解后，我们进行主成分分析，将形状空间的维数降低到九个。我们发现，这九个主成分中每个都包含独特的星系形貌信息，并对每个主成分对星系形貌贡献的描述。我们发现，具有不同哈勃类型的星系在形状空间中能够清晰地分离。我们应用高斯混合模型于这九维主成分空间，并将结果作为分类的基础。通过该混合模型，我们将星系分为七个类别，并对每个类别的物理与形貌属性进行描述。我们发现，多个混合模型类别在其形貌及其物理参数(如颜色、速度分散等)方面与传统哈勃类型之间存在良好相关性。此外，我们发现还有一种晚型星系形貌，但具有较高的速度分散和非常蓝的颜色；这些星系中大多数表现出后喷星活动。该方法提供了一种客观且定量的传统主观视觉分类的替代方案。