KMS National Astronomical Observatories, CAS
| 基于熵学习机的恒星光谱分类 | |
Liu Zhongbao1; Ren Juanjuan2; Song Wenai1; Zhang Jing1; Kong Xiao2 ; Fu Lizhen1
| |
| 2018 | |
| Source Publication | 光谱学与光谱分析
 |
| ISSN | 1000-0593 |
| Volume | 38.0Issue:002Pages:660 |
| Abstract | 数据挖掘被广泛应用于恒星光谱分类。为了提高传统光谱分类方法性能,提出熵学习机（Entropybased Learning Machine,ELM）。在该方法中,熵用来刻画分类的不确定性。为了得到理想的分类结果,分类的不确定性应最小,基于此,可得ELM的最优化问题。ELM在处理二分类问题和稀有光谱发现等方面具有一定优势。SDSS中K型、F型、G型恒星光谱数据集上的比较实验表明：ELM在进行恒星光谱分类时,其分类性能优于k近邻（k Nearest Neighbor）和支持向量机（Support Vector Machine）等传统分类方法。 |
| Keyword | 数据挖掘 恒星光谱分类 熵 斯隆数字巡天 |
| Language | 英语 |
| Document Type | 期刊论文 |
| Identifier | http://ir.bao.ac.cn/handle/114a11/63183 |
| Collection | 中国科学院国家天文台 |
| Affiliation | 1.中北大学 2.中国科学院国家天文台 |
| Recommended Citation GB/T 7714 | Liu Zhongbao,Ren Juanjuan,Song Wenai,等. 基于熵学习机的恒星光谱分类[J]. 光谱学与光谱分析,2018,38.0(002):660. |
| APA | Liu Zhongbao,Ren Juanjuan,Song Wenai,Zhang Jing,Kong Xiao,&Fu Lizhen.(2018).基于熵学习机的恒星光谱分类.光谱学与光谱分析,38.0(002),660. |
| MLA | Liu Zhongbao,et al."基于熵学习机的恒星光谱分类".光谱学与光谱分析 38.0.002(2018):660. |
| Files in This Item: | There are no files associated with this item. | |||||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment