基于人工神经网络和主成分分析对Indo-US恒星光谱库可靠性的检验
天体物理学
2015-06-24 v1
摘要
Indo-US恒星光谱库(CFLIB)由Valdes等人于2004年近期公开发布，包含1273颗星的光谱，光谱范围为3460至9464\AA，分辨率为1\AA FWHM，覆盖的光谱类型广泛。由于该数据库中有多颗星的光谱类型尚未被确认，且约有一部分星在3460-9464\AA的完整波段上覆盖不完整，导致存在从几\AA到数十\AA的间隙，因此对该数据库的可靠性进行交叉检验是一个重要且理想的练习。本文我们采用基于人工神经网络(ANN)的自动分类方案对数据库中的所有1273颗星进行分类。此外，在对光谱进行ANN分类之前，我们对数据集进行主成分分析(PCA)以降低其维数。最重要的是，我们成功地演示了使用一种变体PCA技术来恢复300颗星中缺失的数据。
引用
@article{arxiv.astro-ph/0512521,
title = {Reliability checks on the Indo-US Stellar Spectral Library using Artificial Neural Networks and Principal Component Analysis},
author = {Harinder P. Singh and Manabu Yuasa and Nawo Yamamoto and Ranjan Gupta},
journal= {arXiv preprint arXiv:astro-ph/0512521},
year = {2015}
}
备注
17 pages, 8 figures PASJ Vol.58, No1 (it will be issued on February 25, 2006)