利用时间变率和机器学习的类星体选择算法：从MACHO LMC数据库中选出1620个类星体候选体
天体物理仪器与方法
2015-05-27 v3 宇宙学与河外天体物理
摘要
我们提出了一种新的类星体选择算法，该算法使用支持向量机（一种监督分类方法），基于一组提取的时间序列特征，包括周期、振幅、颜色和自相关值。我们使用58个已知类星体、1629个变星和4288个非变星作为训练集，利用大质量致密晕天体数据库训练了一个模型，将类星体与变星、非变星和微引力透镜事件区分开来。为了评估模型的效率和准确性，我们使用训练集进行了交叉验证测试。测试表明，该模型能以25%的假阳性率正确识别约80%的已知类星体。大多数假阳性是Be星。我们将训练好的模型应用于MACHO大麦哲伦云数据集（包含4000万条光变曲线），发现了1620个类星体候选体。在筛选中，33242个已知MACHO变星均未被误分类为类星体候选体。为了估计真实的假阳性率，我们将候选体与天文星表进行了交叉匹配，包括斯皮策“探测星系演化动因”大麦哲伦云星表和几个X射线星表。结果进一步表明，大多数候选体（超过70%）是类星体。
引用
@article{arxiv.1101.3316,
title = {QSO Selection Algorithm Using Time Variability and Machine Learning: Selection of 1,620 QSO Candidates from MACHO LMC Database},
author = {Dae-Won Kim and Pavlos Protopapas and Yong-Ik Byun and Charles Alcock and Roni Khardon and Markos Trichas},
journal= {arXiv preprint arXiv:1101.3316},
year = {2015}
}
备注
17 pages, 11 figures; accepted for the publication in ApJ