变星的不可靠分类：处理观测间隙与噪声
天体物理仪器与方法
2018-01-31 v1
摘要
应用于巡天的自动分类方法已经革新了天文目标选择过程。多数巡天产生大量时间序列，或称为“光变曲线”，表示恒星天体亮度随时间的变化。不幸的是，光变曲线的观测需要数年才能完成，产生截断的时间序列，这些序列通常在完成前不会被应用自动分类器。这是因为最先进的方法依赖于多种统计描述符或特征，当观测数减少时其离散程度增加，从而降低了精度。在本文中，我们提出一种新方法，通过纳入观测稀缺所产生的偏差来提高变星自动分类器的性能。我们的方法使用高斯过程回归建立每条光变曲线观测的概率模型。然后，基于该模型生成时间序列特征的 bootstrap 样本。最后使用 bagging 方法改善分类的整体性能。我们在 MACHO 与 OGLE 星表上测试，结果表明我们的方法仅使用原始观测的一小部分即可有效分类某些变星类型。例如，我们发现仅在 MACHO 与 OGLE 星表中观测整个光变曲线前 5% 的观测，就能以约 80% 的准确率分类 RR Lyrae 星。我们相信这些结果证明，在研究光变曲线时，考虑特征误差及测量过程对其的影响十分重要。
引用
@article{arxiv.1801.09732,
title = {Uncertain classification of Variable Stars: handling observational GAPS and noise},
author = {Nicolas Castro and Pavlos Protopapas and Karim Pichara},
journal= {arXiv preprint arXiv:1801.09732},
year = {2018}
}