基于SSTransformer的恒星亚型光谱分类方法研究

摘要

恒星的分类问题一直是天文研究的一大热点,恒星的亚型分类对探究恒星演化、稀有天体识别等具有重大意义。针对LAMOST光谱亚型分类问题设计了SSTransformer(stellar spectrum transformer)分类模型,该模型主要由三部分组成,包括输入模块、嵌入模块、SST编码模块。在输入模块中,将光谱数据进行分块处理,这些块经过线性投射层被映射为向量。在嵌入模块中,为了提取有用的数据特征,将线性投射层的输出加入一个可学习的类别嵌入块,为了保留位置信息,再加入位置嵌入块,之后将这些数据特征向量送入SST编码模块。最后在SST编码模块中,对数据特征进行提取处理,并利用多层感知器结合新特征对恒星光谱进行分类。采用的A、F、G、K、M型恒星光谱数据均来自LAMOST DR8中的一维低分辨率光谱,35256条一维光谱数据用于SSTransformer模型的训练,8815条一维光谱数据用作模型的测试。为了加快模型的收敛速度,对数据采用Z-Score归一化处理。由于是多分类问题,实验采用了准确率、精确率、召回率、F1-Score、Kappa系数五个评价指标。实验结果证明,利用SSTransformer模型可实现对一维恒星光谱数据有效的筛选分类,分类准确率达到98.36%,比支持向量机(support vector machine,SVM)算法、极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法,以及卷积神经网络(convolutional neural networks,CNN)的分类准确率更高。