通过机器学习对SDSS DR12与DR14中新发现的DB白矮星进行光谱特征提取
太阳与恒星天体物理
2018-07-11 v1
摘要
我们使用机器学习（ML）方法从斯隆数字巡天（SDSS）数据发布（DR）12 和 DR14 中挖掘 DB 白矮星（DBWDs）。该 ML 方法由两部分组成：特征提取与分类。最小绝对收缩与选择算子（LASSO）用于光谱特征提取，通过将正样本组的高质量数据与负样本组进行比较。在训练集与测试集中，正样本组由精选的 300 个已知 DBWDs 组成，而负样本组取自所有类型的 SDSS 光谱。在 LASSO 检测到的特征空间中，随后采用支持向量机构建分类器，用于将 DBWDs 与每种类型的非 DBWDs 分离。依据分类器，从整个 SDSS 数据集中选出 DBWD 候选体。经目视检查，2808 条光谱（2029 个天体）被光谱确认。通过与文献核对样本，有 58 个天体共 60 条光谱为新识别，包括一个新发现的 AM CVn。最后，我们测量了它们的有效温度（Teff）、表面重力（log g）和径向速度，并将其编入星表。
引用
@article{arxiv.1806.08473,
title = {Spectral feature extraction for DB white dwarfs through machine learning applied to new discoveries in the SDSS DR12 and DR14},
author = {Xiao Kong and A-Li Luo and Xiang-Ru Li and You-Fen Wang and Yin-Bi Li and Jing-Kun Zhao},
journal= {arXiv preprint arXiv:1806.08473},
year = {2018}
}
备注
23 pages,12 figures, PASP (in press)