用于识别Be星候选体的消红化自由Q指数

天文数据库目前提供海量的光谱与测光数据。虽然光谱数据更适于许多天文对象的分析，但测光数据因望远镜使用时间较短而相对更易获取。因此，愈发需要使用测光信息自动识别对象以进行进一步详细研究，特别是诸如Be星这样的H${\alpha}$发射线星。测光颜色-颜色图(CCDs)常用于识别此类对象。然而，由星周与星际气体共同引起的红化效应进一步复杂化了它们在CCDs中的识别。该效应阻碍了候选体识别系统的泛化。因此，本工作中我们评估了使用神经网络从一组OB型星中识别Be星候选体的方法。网络使用VPHAS+与2MASS数据库的标记子集进行训练，涉及u、g、r、H${\alpha}$、i、J、H与K滤光片。为避免红化效应，我们提出并评估了使用消红化自由Q指数来增强模型对其他数据库与对象的泛化能力。为检验该方法有效性，我们手动标记了数据库的一个子集，并用其评估候选体识别模型。我们还标记了一个独立数据集用于跨数据集评估。我们在两个测试集上以99%精确率水平评估了模型的召回率。结果表明，所提特征相较原始滤光片星等提供了显著改进。