星系的形态分类与测光红移测量

基于斯隆数字巡天第五次数据发布的星系样本，我们利用测光数据和已知光谱红移，探索了星系的测光形态分类和红移估计。使用无监督方法k-means算法将整个星系样本分为早型和晚型星系。然后，我们通过人工神经网络(ANNs)对总样本和两个子样本，研究了不同输入模式下的测光红移测量。实验结果表明，当训练集中使用更多参数时，ANNs表现出更好的性能，并且两个子集的测光红移估计的混合精度$\sigma_{mix}=\sqrt{{\sigma_{early}}^2+{\sigma_{late}}^2}$优于单独总样本的$\sigma_{z}$。对于最优结果，混合样本的测光红移均方根偏差为0.0192，总样本为0.0196，同时，早型和晚型星系的均方根偏差分别为0.0164和0.0217。