基于层次化类别定义的 Fermi-LAT 源多类分类
高能天体物理现象
2023-07-14 v2 星系天体物理
摘要
在本文中，我们利用机器学习结合层次化类别判定，开发了 Fermi-LAT 伽马射线源的多类分类。Fermi-LAT 源多类分类的主要挑战之一是某些类别的规模相对较小，例如属于某类的关联源少于 10 个。在本文中，我们提出了一种用于类别判定的层次化结构。这使我们能够控制类别的规模，并比较不同类别数下分类的性能。特别地，二类情形下的类概率既可直接由二类分类计算，也可通过对多类分类中子类的概率求和得到。我们发现，具有少量大类的分类与具有许多小类的分类性能相当。因此，一方面，少类分类可通过将更多类的分类概率求和来恢复；另一方面，多类分类提供了关于源物理性质的更详细信息。作为本工作的结果，我们构建了三个概率星表。两个星表基于高斯混合模型判定类别组：一个要求组中源的最小数大于 100，得到六个最终的物理类别组；另一个要求组中源的最小数大于 15，得到九个物理类别组。第三个星表基于随机森林判定类别组，要求组中源的最小数大于 100，得到六个类别组。（节略）
引用
@article{arxiv.2301.07412,
title = {Multi-class classification of Fermi-LAT sources with hierarchical class definition},
author = {Dmitry V. Malyshev and Aakash Bhat},
journal= {arXiv preprint arXiv:2301.07412},
year = {2023}
}
备注
16 pages, 18 figures, results are available online at https://zenodo.org/record/7538664, v2: minor changes to Figure 1 and related discussion