基于DenseNet的天体光谱分类方法

分类： 天文学 >> 天文学 提交时间： 2019-05-20 合作期刊: 《天文研究与技术》

王奇勋 赵刚 范舟

摘要： 天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习，主要采用基于计算机视觉的技术手段。本文基于在计算机视觉领域广泛应用的DenseNet网络结构，针对光谱数据进行修改，建立了适用于光谱数据的一维卷积神经网络模型解决天体光谱数据分类任务。在验证数据集上，恒星、星系、类星体的F1分数达到了为0.9987、0.9127、0.9147，高于传统神经网络。光谱分类关注区域的可视化结果表明，本文模型可以学习到各类天体对应的特征谱线，具有较强的可解释性。本文的方法被用于阿里云天池天文数据挖掘大赛——天体光谱智能分类，并在843支参赛队伍的3次数据评比中获得了2次第一、1次第三的成绩，证明了该模型在保证分类精度的同时具有极强的鲁棒性、泛化性，适用于光谱的自动分类。

 点击量 6809  下载量 1253  评论