@article{
  author = {寇博凯; 冯梦奇; 肖化平; 雷振新; },
  title = {基于机器学习的热亚矮星光谱分类},
  keywords = {热亚矮星；光谱分类；机器学习},
  abstract = {随着大批巡天望远镜观测数据的相继释放，新发现的热亚矮星将急剧增多。然而，热亚矮
星的光谱分类仍依赖传统的人工方法，这种方法在大批量光谱分析上效率不足。该研究使用卷积
神经网络（CNN）提取光谱特征，使用随机森林（RF）对光谱进行分类。该集成模型以 1 223 颗
具有 LAMOST 光谱的热亚矮星为样本进行训练，实现对六种不同光谱类型热亚矮星的自动分类。
该模型在测试集内达到了 90.8% 的总体分类准确率，并且所有分类的 ROC 曲线下面积均
超过 0.9，显示出较高的可靠性。CNN+RF 集成模型对具有 SDSS 光谱的 1 718 颗热亚矮星进行了
分类预测，整体准确率达到了 94%，表明模型对新数据具有较好的泛化能力。},
  doi = {10.3969/j.issn.1000-8349.2026.01.06},
  url = {https://chinaxiv.org/abs/202604.00112},
  timestamp = {2026-06-01},
}