无监督 induction 与伽马射线暴分类
天体物理学
2009-10-31 v1
摘要
我们使用 ESX（Information Acumen Corporation 的产品）对包含 797 颗来自 BATSE 3B 目录的伽马射线暴 (gamma-ray bursts, GRBs) 的数据集执行无监督学习。假设所有属性都服从对数正态分布，Mukherjee 等人 (1998) 对这些相同数据采用统计聚类分析。利用 T90 持续时间、总能量流和硬度比 HR321 的对数值，其结果显示实例形成三个类别：类别 I 包含长/明亮/中间持续的暴，类别 II 由短/微弱/硬暴组成，而类别 III 由中间/中间/软暴代表。当 ESX 被赋予这些数据且限制为形成少数类别时，确定了由以前标准技术找到的两个类别。然而，当 ESX 被允许形成超过两个类别时，创建了四个类别。其中一个类别包含大多数短暴，第二个类别主要由中间暴组成，最终两个类别是 Mukherjee 等人确定的 Class I（长）暴的子集。我们假设系统性偏差可能导致这种差异。
引用
@article{arxiv.astro-ph/0001381,
title = {Unsupervised Induction and Gamma-Ray Burst Classification},
author = {Richard J. Roiger and Jon Hakkila and David J. Haglin and Geoffrey N. Pendleton and Robert S. Mallozzi},
journal= {arXiv preprint arXiv:astro-ph/0001381},
year = {2009}
}
备注
5 pages, 2 figures, presented at the 5th Huntsville Gamma-Ray Burst Symposium