基于自适应小波的非参数瞬变源分类
天体物理仪器与方法
2015-10-26 v2
摘要
在 GAIA 和 LSST 时代，基于多波段光变曲线对瞬变源进行分类是一个具挑战性但关键的问题，因为瞬变源的庞大数量将使光谱分类不可行。在此我们提出一种非参数分类器，它利用瞬变源的光变曲线测量值，在给定训练数据下预测其类别。它实现了两个新颖组件：其一是使用 BAGIDIS 小波方法——一种利用分层小波系数表征函数型数据的方法。其二是引入基于小波系数的排序概率分类器，该分类器既处理数据的异方差性，也处理训练集潜在的代表性不足。排序分类器实现简单快速，而 BAGIDIS 小波的一大优势是平移不变，因此无需对齐光变曲线即可提取特征。此外，BAGIDIS 是非参数的，故可用于新天体的盲搜索。我们针对经过充分测试的超新星测光分类挑战数据集展示了排序小波分类器的有效性，该挑战旨在将光变曲线正确分类为 Ia 型或非 Ia 型超新星。我们在经光谱确认的子样本（不具代表性）上训练排序概率分类器，并表明其对所有观测光变曲线时长大于 100 天（约占数据集 55%）的超新星给出良好结果。对此类数据，我们获得 Ia 效率 80.5% 与纯度 82.4%，得出极具竞争力的分数 0.49，同时实现了真正“模型盲”的超新星分类方法。因此，该方法可能特别适用于大视场巡天时代天文瞬变源的分类。
引用
@article{arxiv.1504.00015,
title = {Nonparametric Transient Classification using Adaptive Wavelets},
author = {Melvin M. Varughese and Rainer von Sachs and Michael Stephanou and Bruce A. Bassett},
journal= {arXiv preprint arXiv:1504.00015},
year = {2015}
}
备注
14 pages, 8 figures. Published in MNRAS