一种星系形态分类的新方法-GMC

分类： 天文学 >> 天文学 提交时间： 2021-08-20 合作期刊: 《天文研究与技术》

王林倩 邱波 罗阿理 孔啸 逯亚坤 郭小雨

摘要： 在天文学研究领域，星系的分类一直是一个热点和难点问题。近年来有学者将机器学习应用到星系形态的简单分类任务上，但在分类过程中出现特征选择困难、特征遗漏、分类器选择困难等一系列难题。星系在视觉形态上可以分为椭圆星系、旋涡星系、透镜星系以及不规则星系，本文针对SDSS DR16、Galaxy Zoo2、EFIGI目录中星系的测光图像，提出了一种分类精度更高的星系形态分类的方法GMC(Galaxy Morphological Classification)。我们首先对图像进行了剪裁、去噪处理，然后采用旋转、平移、缩放等方法进行数据增强，最后搭建了星系形态分类网络GMC-net对图像进行分类。从实验分类结果来看，旋涡星系、椭圆星系、透镜星系以及不规则星系分类精确率分别为98.29%、98.49%、99.18%、99.91%，召回率分别为98.44%、99.03%、98.89%、99.34%；对单独来自EFIGI目录中四种形态星系的分类准确率也达到了99.34%。实验结果表明GMC相较于其他分类方法表现更好，可以更有效地用于星系的形态分类。

 点击量 2091  下载量 564  评论