检索结果-南通市图书馆

基于CSST模拟星表的SED拟合测光红移精度的评估

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CSST模拟星表的SED拟合测光红移精度的评估

作者：吴盼盼上海师范大学

学位级别：硕士

随着技术条件的不断进步,人类对宇宙中星系天体的认知也越来越广阔,出现了越来越多的方法帮助人类从望远镜得到的宇宙天体信息中探究隐含在其中的物理性质,测光红移正是其中的一种方法。本文我们主要应用测光红移光谱拟合的方法对基于CO... 详细信息

随着技术条件的不断进步,人类对宇宙中星系天体的认知也越来越广阔,出现了越来越多的方法帮助人类从望远镜得到的宇宙天体信息中探究隐含在其中的物理性质,测光红移正是其中的一种方法。本文我们主要应用测光红移光谱拟合的方法对基于COSMOS巡天的CSST模拟数据进行探究,并分析所得结果,进而评估测光红移的精度。首先,我们对使用到的星表数据作了一些简要的介绍,并对数据处理的过程和数据的分布以及本篇文章主要的研究方法作了详细的介绍;其次,我们探究了使用相同软件和不同的光谱模板,以及使用相同模板和不同的测光软件两种情况下SED fitting测光红移精度,并对其进行了综合的分析,研究结果表明,在进行测光红移的拟合时,使用HYPERZ测光软件并采用EAZY模板(七个发射线模板和一个添加尘埃特征的星暴星系模板)得到的测光红移的精度是最好的;紧接着,我们在Outlier的测试中发现,有时会因不同模板以及模板本身某些红移区域光谱的相似度较高,导致错误的估算,从而对红移造成误判;在探究测光误差对测光红移精度的影响中,我们发现i波段测光误差影响最大,NUV波段次之;然后,我们发现,测光红移精度受NUV波段(尤其是“红移沙漠”范围内)星系流量的影响,当缺失这一范围内的星系流量时,测光红移精度会出现显著的变化;最后,我们发现,加入限制条件——prior先验概率(尤其是r波段prior),进行SED fitting,测光红移精度会明显的提高。

关键词：星系测光红移 CSST 模板拟合精度

一种基于遗传优化的BP神经网络的测光红移估计算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2018年第8期38卷 2374-2378页

作者：范晓东邱波刘园园魏诗雅段福庆河北工业大学天津300400 北京师范大学北京100875

除了星系的光谱红移之外,星系测光红移的估计也对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目最新发布的SDSS DR13的150 000个星系的测光及光谱数据,在红移值Z<0.8范围内,先使用SOM自组织神经网络对星系样本进行早... 详细信息

除了星系的光谱红移之外,星系测光红移的估计也对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目最新发布的SDSS DR13的150 000个星系的测光及光谱数据,在红移值Z测光红移进行估算。估算结果与作为标准的已知星系光谱红移进行比对,早型星系的红移估计最小均方误差约为0.001 3,晚型星系最小均方误差约为0.001 7。实验结果表明,遗传优化的BP算法在精度上优于BP神经网络算法,且效率上优于K近邻、核回归等传统测光红移估计算法。

关键词：测光红移遗传优化 SOM自组织网络 GABP神经网络

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化算法的测光红移回归预测

光谱学与光谱分析 2019年第9期39卷 2693-2697页

作者：穆永欢邱波魏诗雅宋涛郑子鹏郭平河北工业大学电子信息工程学院天津300400 北京师范大学系统科学学院北京100875

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSSDR13的150000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分... 详细信息

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSSDR13的150000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u,g,r,i,z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法(GA)优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法(PSO)不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络(PSO-BP)。实验中将光谱红移作为期望值,采用均方差(MSE)作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.00192,GA-BP网络的MSE值0.001728,PSO-BP网络的MSE值为0.001708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻(KNN)测光红移估计算法,克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。

关键词：测光红移粒子群优化粒子群算法优化BP网络 BP神经网络 GA-BP神经网络

在线全文

学校读者我要写书评

暂无评论

测光红移算法概述

天文学进展 2008年第3期26卷 266-277页

作者：王丹张彦霞赵永恒中国科学院国家天文台北京100012

随着大规模多色巡天项目的完成,测光红移已被视为研究宇宙大尺度结构以及星系形成和演化的有效工具。该文介绍了测光红移的背景、现状、算法及其在天文学中的应用。综述了九种较为常用的估测测光红移的算法,包括HyperZ、颜色-星等-红移... 详细信息

随着大规模多色巡天项目的完成,测光红移已被视为研究宇宙大尺度结构以及星系形成和演化的有效工具。该文介绍了测光红移的背景、现状、算法及其在天文学中的应用。综述了九种较为常用的估测测光红移的算法,包括HyperZ、颜色-星等-红移关系法(CMR)、多项式回归、基于Kd树的多项式回归、贝叶斯方法、支持向量机(SVMs)、人工神经网络(ANNs)、最近邻或K近邻方法和核回归等。着重讨论和比较了这些算法的效果和性能,同时也对它们的优缺点进行了阐述,并对未来的测光红移算法研究进行了展望。

关键词：天体物理学测光红移距离统计方法

基于Hadoop的数据挖掘技术在测光红移上的研究

在线全文

学校读者我要写书评

暂无评论

电子技术应用 2016年第9期42卷 111-114页

作者：钱维扬王俊义仇洪冰桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学认知无线电与信息处理教育部重点实验室广西桂林541004

天文数据量以指数量级快速增长,使得天文数据挖掘面临前所未有的挑战。分布式集群技术和云计算平台的飞速发展,为海量数据处理和分析提供了新的研究思路和方法。其中基于内存计算的Hadoop分布式集群技术更是异军突起,并在迭代式机器学... 详细信息

天文数据量以指数量级快速增长,使得天文数据挖掘面临前所未有的挑战。分布式集群技术和云计算平台的飞速发展,为海量数据处理和分析提供了新的研究思路和方法。其中基于内存计算的Hadoop分布式集群技术更是异军突起,并在迭代式机器学习和交互式数据挖掘应用等方面表现出明显的优势。基于最新释放的斯隆数字巡天测光数据集研究基于Hadoop平台的数据挖掘技术在海量天文巡天数据上的适用性和应用问题,为海量天文数据挖掘提供了新的手段和方法。

关键词：数据挖掘机器学习 Hadoop平台 MLPQNA算法测光红移

在线全文

学校读者我要写书评

暂无评论

海量数据下机器学习在测光红移中的应用研究

海量数据下机器学习在测光红移中的应用研究

作者：范晓东河北工业大学

学位级别：硕士

星系红移是研究宇宙大尺度结构和演变的重要参数。随着先进巡天望远镜的不断发展,星系测光数据进入指数增长时代。在此背景下,利用高效的机器学习算法处理海量测光数据成为必然趋势。本文首先介绍了测光红移理论及其发展现状,然后针对... 详细信息

星系红移是研究宇宙大尺度结构和演变的重要参数。随着先进巡天望远镜的不断发展,星系测光数据进入指数增长时代。在此背景下,利用高效的机器学习算法处理海量测光数据成为必然趋势。本文首先介绍了测光红移理论及其发展现状,然后针对其数据特点对星系样本进行分类处理,并分别利用遗传优化的误差反向传播(Error Back Propagation,简称BP)神经网络、卷积神经网络、混合密度神经网络三种算法对星系测光红移进行回归预测和误差分析。本文的主要成果如下:(1)数据筛选与星系样本聚类分析。针对海量星系测光数据非线性的复杂特点,本文首先通过尘埃消光和阈值法进行数据筛选。再利用自组织神经网络对筛选后的数据进行颜色——星等的分类处理,将星系样本分为早型星系和晚型星系。结果表明,以上数据预处理方法能有效降低样本集数据的复杂度,减小后续回归预测的误差。(2)利用遗传优化的BP神经网络模型估计星系测光红移。本文利用BP神经网络对红移进行回归预测,并针对BP神经网络在梯度下降过程中,容易陷入局部最优解的缺陷,利用遗传算法对BP算法参数进行优化。实验结果表明,相较于最新的K近邻测光估计算法,BP算法在效率和精度上有很大的优势。优化后的BP神经网络对两种星系样本都能达到更好的预测精度,且优于K近邻算法预测结果。(3)利用改进的卷积神经网络算法估计星系测光红移。本文通过Tensorflow框架搭建卷积神经网络模型,并对模型进行适当改进,将常用于图像分类处理的卷积神经网络应用于测光红移估计问题中。通过用ReLU激活函数代替传统的Sigmoid激活函数的方法,直接对输出进行拟合,实现对连续非线性红移值的预测。实验结果证实,卷积神经网络成功应用于星系测光红移的预测,且精度较BP算法有一定的提高。(4)利用混合密度神经网络模型估计星系测光红移。本文依据混合密度神经网络模型概率密度核估计的思想对测光红移的条件概率分布进行拟合,从而实现对星系测光红移的非线性估计。将混合密度神经网络模型应用于测光红移的回归预测中是尝试性的创新之举。实验结果表明,其预测结果要优于BP神经网络模型,为测光红移预测研究开拓了新思路。

关键词：海量数据机器学习测光红移神经网络 CNN MDN

基于深度学习和海量测光数据的高红移估测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和海量测光数据的高红移估测研究

作者：穆永欢河北工业大学

学位级别：硕士

星系测光红移的估测一直是天文学中的研究难点和热点,具有重要的意义。由于目前各类先进巡天观测系统的发展产生了大量的测光数据,这就为使用深度学习方法处理天文数据问题奠定了数据基础。本文主要选择了SDSS和TWOMASS两个巡天观测计... 详细信息

星系测光红移的估测一直是天文学中的研究难点和热点,具有重要的意义。由于目前各类先进巡天观测系统的发展产生了大量的测光数据,这就为使用深度学习方法处理天文数据问题奠定了数据基础。本文主要选择了SDSS和TWOMASS两个巡天观测计划得到的星系测光数据库作为数据来源,然后根据各自相应的测光数据特点对星系样本进行了分类预处理,并分别使用基于粒子群优化的误差反向传播神经网络（PSO-BPNN）、卷积神经网络（CNN）、基于果蝇优化的广义回归神经网络（FOAGRNN）三种不同的方法进行星系测光红移估测实验和结果对比分析。本文主要完成的工作和创新点如下:（1）数据预处理及分类操作。首先根据SDSS和TWOMASS两种观测系统中测光数据的特点对其进行同源交叉匹配,并对数据进行尘埃消光和截断法阈值预处理。然后使用自组织神经网络对单一SDSS观测系统中星系的颜色进行分类处理,选出占比例较大的早型星系进行后续的测光红移估测,以充分减少样本的复杂性;此外基于DNN分类器将同源交叉匹配后的测光红移数据分类成低红移星系和高红移星系,以便于更精确地分析高红移星系的测光红移。（2）提出PSO-BPNN算法来改进SDSS单一测光系统中高红移样本的估测结果。首先使用BPNN对来源于SDSS-DR13的星系样本进行测光红移估测,并对估测结果进行分析。然后使用PSO优化BPNN,将优化后的PSO-BPNN应用于测光红移的估测中。最后将两种算法的估测结果进行误差对比分析和可视化展示。实验结果表明,PSO-BPNN对早型星系的估测精度更高,且优于遗传算法优化BPNN的估测结果。（3）基于改进的CNN算法对SDSS和TWOMASS的同源交叉数据进行红移估测。通过改进激活函数并基于Tensorflow深度学习框架设计了七层的CNN模型,然后将该模型分别应用于低红移星系和高红移星系的测光红移估测中,成功地将经常用以图像识别领域的CNN算法用以测光红移估测研究中。实验结果表明CNN算法很好的实现了测光红移的回归估测,且估测精度和红移的有效覆盖范围更高。（4）提出FOA-GRNN算法来实现高红移样本的红移估测研究。利用FOA算法寻优确定了GRNN中的关键参数spread,并根据GRNN的非线性回归分析思想,实现了基于FOA-GRNN的测光高红移估测。通过将该结果与目前天文学研究中已实现的估测结果进行了比较及分析,结果表明基于FOA-GRNN算法的估测效果最佳。将FOA-GRNN用于测光红移估测问题是一种新的尝试,这为星系测光红移的估测算法研究提供了新思路。

关键词：测光红移深度学习 PSO-BPNN CNN FOA-GRNN

基于多模态机器学习的天体分类和参数预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态机器学习的天体分类和参数预测研究

作者：洪舒欣南京邮电大学

学位级别：硕士

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法... 详细信息

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法,提出了新的解决方案。先从单模态的数据入手,对天文数据进行分析和处理,实现恒星的自动分类,再引入多种模态的数据,提高了恒星和类星体这两类易混淆天体的分类准确率,最后利用多模态机器学习的方法提升了类星体测光红移预测的精度。具体分为以下三个部分。首先,面对高维度的恒星光谱数据,本文进行归一化等预处理,并构建了基于卷积神经网络的恒星光谱型和光度型分类模型CSSL＿CNN,同时从两个层面给出恒星的类别。实验结果表明,与现有的恒星分类模型相比,CSSL＿CNN不仅避免了对标准恒星库的依赖,而且提取出了数据中的深层特征,并且获得了较高的分类准确率。其次,面对难以区分的恒星和类星体图像,本文提出了一种基于多模态机器学习的天体分类方法。由于图像数据中蕴含的特征稀少,所以引入特征丰富的光谱数据,充分对齐和关联两个模态,实现了特征融合,最终共同完成恒星和类星体分类任务。与单独通过图像数据进行分类相比,引入光谱数据的多模态分类方法显著提高了分类准确率。最后,针对测光数据特征稀少,测光红移预测精度难以提升的问题,本文引入对应的光谱数据作为补充特征,构建了测光-光谱特征转换模型,并且基于转换后的数据,提出了一种基于多模态转移学习的类星体测光红移预测模型PhotoRedshift-MML,实验表明了PhotoRedshift-MML模型相较于使用单模态的类星体测光红移预测方法提升了预测精度,验证了多模态模型的有效性和普适性。

关键词：多模态机器学习恒星类星体测光红移卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于扰动算法的SED模板校正

基于扰动算法的SED模板校正

作者：李逸丞上海师范大学

学位级别：硕士

红移的测量在宇宙学中有着非常重要的地位。在对天体进行研究之前,首先先测定其与观测者之间的距离,对于距离十分遥远的河外天体,我们可以通过测量红移来计算它们的距离。测光红移是一种高效的获取红移的方式,并且随着技术的发展,如今... 详细信息

红移的测量在宇宙学中有着非常重要的地位。在对天体进行研究之前,首先先测定其与观测者之间的距离,对于距离十分遥远的河外天体,我们可以通过测量红移来计算它们的距离。测光红移是一种高效的获取红移的方式,并且随着技术的发展,如今的测光红移已经具有相当高的精度。机器学习与SED模板拟合是两种被广泛应用的测光红移方法,通过模板拟合方法得到的测光红移的精度在很大程度上取决于所使用的SED模板集是否适用于需测量的星系样本。现有的获取SED模板集的方式主要有两类,分别是基于观测的经验模板以及基于理论模型的合成模板,然而受到观测样本数量的限制,经验模板可能无法涵盖所有类型的星系,从而对测光红移结果的精度产生影响。CSST是我国载人航天工程规划建设的大型空间天文望远镜,计划对高银纬天区进行大规模巡天观测,提供NUVugrizy七个波段的光学成像,观测天区约17,500平方度,预计在十年中提供数十亿的测光数据与数亿条光谱。本论文使用CSST模拟星表和滤光片数据,以提高CSST巡天的测光红移精度为目标,优化了扰动算法,筛选出CSST模拟星表中约3万个高信噪比的星系,对四种不同的SED模板集进行校正,进而改善测光红移的结果。校正后的模板有效的降低了测光红的离散度和离群值比例,其中离群值比例最高可降低64%,离散度最高减小了44%,偏差值最高可减小98%。此外,扰动算法能够利用宽波段测光数据重建出高分辨率的SED特征,同时通过大幅度改变星系SED模板的颜色,还能够在一定程度上解决模板完备性的问题。

关键词：测光红移 SED拟合机器学习