用AutoClass来寻找银河系中的球状星团

摘要

随着信息技术的发展，数据挖掘技术越来越引起人们的关注，尤其是对于需要运用大量数据的天文学邻域。数据挖掘技术的发展推动了各邻域的技术进步。
　　AutoClass C（自动聚类算法）是一种无监督的贝叶斯分类系统，它可以将数据自动的分为不同的类，并记录每一条数据分别属于不同类的概率。我们可以通过分类结果，对分类正确率进行判定是否达到我们对于数据分类的预想结果。
　　本文我们先用AutoClass C对规则图形椭圆和三角形进行分类测试，其次再对已知球状星团进行分类测试。我们采用三种不同的数据属性组合，选用不同的密度比（成员星与背景星之比）进行测试对比。对于两个数据属性组合、不同密度比的分类，密度比越大，误差越小，得到的星团成员星占总的成员星比率几乎不变，但也有一些特殊情况，比如以位置x和y为数据属性，数密度比为10:1的分类。对于多个数据属性组合、不同密度比的分类，同样密度比越大，误差越小，得到的星团成员星占总的成员星比率几乎不变，且比率几乎都在95％以上;与两个数据属性参与的分类相比，在数密度比相同的情况下，误差很小，且得到的星团成员星占总的成员星比率更高，总体分类效果更高。
　　因此，未来我们可以应用AutoClass C来寻找天区中的未知球状星团的可能性很大，给天文学家以后的工作来带了方便。

目录

摘要

第一章 引言

第二章 AutoClass简介

2．1 AutoClass来源及AutoClass C的特点

2．2 AutoClass的数学原理

2．2．1 Autoclass模型综述

2．2．2 Autoclass搜索综述

2．2．3 Autoclass的详细描述

2．3 AutoClass C执行的文件准备

第三章 星团

3．1 疏散星团

3．2 球状星团

3．3 星团数据

第四章 AutoClass C的数据分类

4．1 AutoClass C对规则图形数据的分类

4．2 AutoClass C对球状星团的分类

4．2．1 以颜色和星等为数据属性进行分类

4．2．2 以位置坐标x、y为数据属性进行分类

4．2．3 以x、y、(v-i)、v为数据属性进行分类

4．2．4 三种不同数据属性分类的对比与讨论

第五章 结论与展望

参考文献

附录

攻读学位期间取得的研究成果

致谢

声明