对AllWISE巡天中机器学习所选异常星表的 spectroscopic 观测

我们呈现一项旨在搜索并辨认全天宽场红外巡天探测器（WISE）内不寻常源性质计划的结果，该计划基于一种用于异常检测的机器学习算法，即单类支持向量机（OCSVM）。该算法设计用于检测偏离由已知类构成的训练集的源，其利用SDSS（Sloan Digital Sky Survey，斯隆数字巡天）中具有光谱证认的WISE天体构建期望数据模型。随后，它将WISE测光与该模型不一致的源标记为异常。我们报告对OCSVM代码标记为“异常”的36个明亮（$g_{AB}$<19.5）对象子集所作光学与近红外光谱后随观测的结果，以验证其性能。在观测对象中，我们辨认出三类主要源：i）含大量热尘的低红移（z~0.03-0.15）星系（53%），包括三个Wolf-Rayet星系；ii）宽线类星体（QSOs）（33%），含低电离宽吸收线（LoBAL）类星体与一颗具强而窄紫外铁发射的罕见QSO；iii）处于演化尘埃相的银河系天体（3%）。其中四个对象（11%）因低信噪比或无特征光谱而性质未定。当前数据显示，该算法在探测最亮候选者中罕见但不必未知的源上表现良好，它们大多代表原本熟知源的奇特子类型。