使用高斯混合模型确定疏散星团成员：一种见解

盖亚（Gaia）前所未有的精度引发了疏散星团成员确定中的范式转变，使得多种机器学习模型得以应用。本文中，我们将无监督高斯混合模型（GMM）应用于来自Gaia DR3数据的十三个不同年龄（$log \ t \approx$ 6.38-9.64）和距离（441-5183 pc）的星团样本，以确定其成员。我们使用ASteca根据修订后的成员数据确定星团参数。我们定义了一个可量化的指标——修正轮廓系数（MSS）来评估其性能。我们研究了MSS对年龄、距离、消光、银经、银纬及其他参数的依赖性，以找出GMM似乎比其他方法更有效的特定情况。我们比较了九个不同年龄星团的GMM，但未发现GMM在年轻星团和年老星团之间的性能存在显著差异。然而，我们发现GMM性能与星团距离之间存在中等相关性，即GMM对较近星团效果更好。我们发现GMM对距离大于3 kpc的星团效果不佳。