VIMOS公共河外红移巡天（VIPERS）：基于支持向量机的星系、恒星和活动星系核分类
宇宙学与河外天体物理
2013-08-28 v3
摘要
本工作的目标是开发一种用于大型巡天中源分类的综合方法，并将该技术应用于VIMOS公共河外红移巡天（VIPERS）。利用光学（u*、g'、r'、i'）和近红外数据（z'、Ks），我们开发了一种基于宽带测光的分类器，用于识别恒星、活动星系核和星系，以提高VIPERS样本的纯度。支持向量机（SVM）监督学习算法允许基于多维参数空间将目标自动分为两类或多类。在这项工作中，我们针对恒星、活动星系核和星系的分类定制了SVM，并将该分类应用于VIPERS数据。我们使用来自VIPERS和VVDS巡天的光谱确认源训练SVM。我们测试了两种SVM分类器，并得出结论：包含近红外数据可以显著提高分类器的效率。最佳光学+近红外分类器的自检显示，在五维颜色空间中，星系分类准确率为97%，恒星为97%，活动星系核为95%。在对红移置信度为99%的VIPERS源的测试中，分类器对星系的准确率为94%，恒星为93%，活动星系核为82%。该方法应用于低质量光谱的源以验证其分类，从而增加了近4900个天体的测量可靠性。我们得出结论，在精心挑选的星系、活动星系核和恒星样本上训练的SVM算法优于简单的颜色-颜色选择方法，可以被视为一种非常有效的分类方法，特别适用于现代大型巡天。
引用
@article{arxiv.1303.2621,
title = {The VIMOS Public Extragalactic Redshift Survey (VIPERS). A Support Vector Machine classification of galaxies, stars and AGNs},
author = {K. Malek and A. Solarz and A. Pollo and A. Fritz and B. Garilli and M. Scodeggio and A. Iovino and B. R. Granett and U. Abbas and C. Adami and S. Arnouts and J. Bel and M. Bolzonella and D. Bottini and E. Branchini and A. Cappi and J. Coupon and O. Cucciati and I. Davidzon and G. De Lucia and S. de la Torre and P. Franzetti and M. Fumana and L. Guzzo and O. Ilbert and J. Krywult and V. Le Brun and O. Le Fevre and D. Maccagni and F. Marulli and H. J. McCracken and L. Paioro and M. Polletta and H. Schlagenhaufer and L. A. M. Tasca and R. Tojeiro and D. Vergani and A. Zanichelli and A. Burden and C. Di Porto and A. Marchetti and C. Marinoni and Y. Mellier and L. Moscardini and R. C. Nichol and J. A. Peacock and W. J. Percival and S. Phleps and M. Wolk and G. Zamorani},
journal= {arXiv preprint arXiv:1303.2621},
year = {2013}
}
备注
14 pages, 11 figures, 9 tables, published in A&A