自动光谱分类统计方法及其在汉堡/ESO 调查中的应用
天体物理学
2009-11-07 v1
摘要
我们采用经典的多变量分类统计方法来利用汉堡/ESO 客观棱镜调查（HES）中星体的光学内容。在仿真研究中，我们检讨了在 HES 中对有效温度范围 5200<Teff<6800K 的星体进行三维分类（Teff、log g、[Fe/H]）的精度，使用贝叶斯分类。对于 HES 光谱在信噪比>10 时（通常对应 B_J<16.5）的温度确定精度优于 400K，log g 和 [Fe/H] 的精度优于 0.68 dex。这些精度允许高效地从 HES 中筛选出金属贫星。我们提出了用于编译给定类别对象的完整样本的最小成本规则，以及用于识别损坏或特殊光谱的拒绝规则。我们所提出的算法正在用于 HES 数据库中其他有趣对象的识别，也适用于其他现有和未来大规模数据集，如 DIVA 和 GAIA 任务将收集的数据。
引用
@article{arxiv.astro-ph/0206085,
title = {Statistical methods of automatic spectral classification and their application to the Hamburg/ESO Survey},
author = {Norbert Christlieb and Lutz Wisotzki and Gerd Grasshoff},
journal= {arXiv preprint arXiv:astro-ph/0206085},
year = {2009}
}
备注
10 pages, 4 figures; A&A in press