基于模式識別法的行星狀星云光譜挖掘方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及天文數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體的說是一種能夠自動識別天文光譜數(shù) 據(jù)并對其進行挖掘，從而完成基于模式識別法的行星狀星云光譜挖掘方法及系統(tǒng)。
【背景技術(shù)】
[0002] 行星狀星云（planetarynebula-PNe)是一種非常特殊和稀少的天體，是由某些 類型的恒星在生命末期處于漸近巨星分支階段時拋射出的離子態(tài)氣體組成膨脹、發(fā)光外殼 形成的一種發(fā)射星云。
[0003] 現(xiàn)有的PNe發(fā)現(xiàn)方式主要依靠模板匹配或者顏色篩選等人工識別方法，例 如：Warren在《WarrenA.ReidandQuentinA. 2010，Parker.MNRAS，405 (2): 1349-1374.》中基于圖像數(shù)據(jù)來識別發(fā)射線天體，發(fā)現(xiàn)了 460個新的PNe。Kniazev于 《KniazevAlexeiY，GrebelEvaK，ZuckerDanielB，etal. 2005,AIPC. 804. 15K》通過 測光篩選，發(fā)現(xiàn)了 130 個新的PNe。Jacoby于《GeorgeH.Jacoby,MatthiasKronberger, DanaPatchick，etal. 2010，PASA.27.156J》通過交叉等方法發(fā)現(xiàn)了 100 個以上的PNe。 然而這些方法耗都需要耗費較多的人工處理時間，不適合在海量的光譜數(shù)據(jù)中準確、快速 發(fā)現(xiàn)目標天體。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對現(xiàn)有技術(shù)的缺點和不足，提出了能夠自動識別海量天文光譜數(shù)據(jù)并 對其進行挖掘，從而完成基于模式識別法的行星狀星云光譜挖掘方法及系統(tǒng)。
[0005] 本發(fā)明可以通過以下措施達到： 一種基于模式識別法的行星狀星云光譜挖掘方法，其特征在于包括以下步驟： 步驟1 :本方法針對大型光譜巡天望遠鏡的fits格式數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；預(yù)處理 需依次進行統(tǒng)一波長、去低信噪比數(shù)據(jù)、流量歸一化； 步驟2 :使用降維方法（PCA)對預(yù)處理后的高維數(shù)據(jù)進行降維處理； 步驟3 :構(gòu)造分類器（SVM)，在維度較低的投影空間，對海量的待分類數(shù)據(jù)進行處理； 步驟4 :數(shù)據(jù)核對，獲得挖掘結(jié)果。
[0006] 本發(fā)明步驟2中PCA降維方法中參數(shù)取值范圍的確定用公式（1)實現(xiàn)，計算方差 貢獻率|1，結(jié)果見圖2,PCA維數(shù)確定為43維：
【主權(quán)項】
1. 一種基于模式識別法的行星狀星云光譜挖掘方法，其特征在于包括以下步驟： 步驟1 :本方法針對SDSS和LAMOST等大型光譜巡天望遠鏡的fits格式數(shù)據(jù)進行數(shù)據(jù) 預(yù)處理；預(yù)處理主要包括統(tǒng)一波長、去低信噪比數(shù)據(jù)、流量歸一化； 步驟2 :使用降維方法（PCA)對預(yù)處理后的高維數(shù)據(jù)進行降維處理； 步驟3 :構(gòu)造分類器（SVM)，在維度較低的投影空間，對海量的待分類數(shù)據(jù)進行處理； 步驟4 :數(shù)據(jù)核對，獲得挖掘結(jié)果。
2. 根據(jù)權(quán)利要求1所述的一種基于模式識別法的行星狀星云光譜挖掘方法，其特征在 于所述步驟2中PCA降維方法中參數(shù)取值范圍的確定用公式（1)實現(xiàn)，計算方差貢獻率μ， PCA維數(shù)確定為43維：
其中靡3光譜的采樣點，一般為4000, 為特征值。
3. 根據(jù)權(quán)利要求1所述的一種基于模式識別法的行星狀星云光譜挖掘方法，其特征 在于步驟3中對于SVM的兩個參數(shù)通過網(wǎng)格搜索來確定：C和σ，限定范圍：C = [0, 001 0.01 0.1 1 10 100 1000] ; 〇= [〇,〇〇1 〇.〇1 0.1 0.5 1 2 5]，通過網(wǎng)格搜索的方法最 終確定 C=48. 5029，σ=16。
4. 一種基于模式識別法的行星狀星云光譜挖掘的系統(tǒng)，其特征在于設(shè)有用于對獲取 的數(shù)據(jù)進行預(yù)處理的數(shù)據(jù)預(yù)處理單元；用于對預(yù)處理后的數(shù)據(jù)進行特征提取的數(shù)據(jù)特征提 取單元；用于對數(shù)據(jù)進行降維處理的采樣投影單元；用于對降維處理后的數(shù)據(jù)進行分類的 SVW分類單元；用于對分類單元輸出的結(jié)果進行核對的數(shù)據(jù)核對單元以及用于輸出挖掘結(jié) 果的顯示輸出單元。
【專利摘要】本發(fā)明涉及天文數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體的說是一種能夠自動識別天文光譜數(shù)據(jù)并對其進行挖掘，從而完成基于模式識別法的行星狀星云光譜挖掘方法及系統(tǒng)，其特征在于包括：針對大型光譜巡天望遠鏡的fits格式數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；預(yù)處理需依次進行統(tǒng)一波長、去低信噪比數(shù)據(jù)、流量歸一化；使用降維方法(PCA)對預(yù)處理后的高維數(shù)據(jù)進行降維處理；構(gòu)造分類器(SVM)，在維度較低的投影空間，對海量的待分類數(shù)據(jù)進行處理；數(shù)據(jù)核對，獲得挖掘結(jié)果，本發(fā)明通過對海量光譜進行處理，共發(fā)現(xiàn)了140個行星狀星云，通過交叉證認，其中3個是未被收錄的新的源，驗證了算法的有效性，為在海量光譜中快速發(fā)現(xiàn)PNe提供了可行的途徑，具有處理速度快、分析準確等顯著的優(yōu)點。
【IPC分類】G06K9-62, G06F17-30
【公開號】CN104765832
【申請?zhí)枴緾N201510174063
【發(fā)明人】姜斌
【申請人】山東大學(xué)（威海）
【公開日】2015年7月8日
【申請日】2015年4月14日