中文

光谱准星异常检测 (SQuAD) I:来自SDSS DR16的Rest-Frame紫外光谱

计算机视觉与模式识别 2025-03-25 v3

摘要

我们呈现将异常检测算法应用于SDSS DR16准星目录中一个准星光谱亚样本的结果,覆盖红移范围1.88 < z < 2.47。对准星光谱进行主成分分析(PCA)进行降维,然后在20维PCA特征向量超空间中进行层次K-Means聚类。为防止宽吸收线(BAL)准星被识别为主要异常组,我们分别以包含和不包含BAL的样本进行分析,以便更清晰地识别其他异常准星类型。我们识别出1,888个异常准星,分为10个宽广组别。异常组别包括C IV峰值准星——具有极强且窄的C IV发射线的准星;Si IV过量发射者准星——Si IV线的强度与C IV线相当;以及Si IV缺乏异常——表现为Si IV发射显著弱于典型准星的异常。这些准星的异常性质归因于C IV峰值准星的更低 Eddington比率、Si IV过量发射者的超太阳金属丰度以及Si IV缺乏异常的亚太阳金属丰度。此外,我们识别出四组BAL异常:蓝BALs、平坡BALs、被衰减的BALs和FeLoBALs,这些样本主要通过其衰减强度加以区分。进一步地,在非BAL准星中,我们识别出三类被衰减异常组别,分别为强衰减、中等衰减和平台形光谱准星,每类都呈现不同的衰减程度。检测到的异常被呈现为一个增值目录。

关键词

引用

@article{arxiv.2411.16856,
  title  = {SAR3D: Autoregressive 3D Object Generation and Understanding via Multi-scale 3D VQVAE},
  author = {Yongwei Chen and Yushi Lan and Shangchen Zhou and Tengfei Wang and Xingang Pan},
  journal= {arXiv preprint arXiv:2411.16856},
  year   = {2025}
}

备注

Project page: https://cyw-3d.github.io/projects/SAR3D/ Accepted by CVPR2025