基于SDSS和UKIDSS数据的类星体选源分类器构造

摘要

随着大型巡天项目的开展，来自不同巡天波段的数据急剧增加。如何从海量的多波段数据中有效地提取类星体候选体是值得深入探讨的问题。本文研究的主要目标是基于双色图，利用线性判别分析（Linear Discriminant Analysis，简称LDA）、二次判别分析（Quadratic Discriminant analysis，简称QDA）和支持向量机（Support Vector Machines，简称SVM）算法从海量天文巡天数据中选取类星体候选体。通过对各个算法的优缺点、适用范围的研究，提出一个能够适用于大样本数据并有着优质的分类性能的多级分类器:“曲线切割——SVM”分类器，它的分类效果表明类星体的精确度和召回率都高达98％以上。

目录

声明

摘要

第一章 引言

1．1 海量天文数据

1．2 一些重要巡天项目简介

1．3 数据挖掘简介

1．4 具体算法介绍

第二章 类星体选源

2．1 数据准备

2．2 分类器性能评价标准——准确率、精确度和召回率

2．3 分类器的构造

第三章 结论与展望

参考文献

致谢

攻读学位期间科研成果