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(Entropy-based 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。

距离度量是光谱巡天数据处理中的一个重要研究内容, 其定义了一种不同光谱间的距离计算方法, 以此为基础可进行光谱的分类、 聚类、 参数测量及离群数据挖掘等工作。 距离度量方法的好坏在一定程度上影响了分类、 聚类、 参数测量及离群数据挖掘的效果及性能, 同时随着大规模恒星光谱巡天项目的开展, 如何针对恒星光谱定义更为有效的距离度量方法成为其数据处理中一个非常关键的问题。 基于此问题, 在充分考虑到恒星光谱的特点及其数据特征的基础上, 提出一种新的恒星光谱间的距离度量方法: 残差分布距离。 该距离度量有别于传统计算恒星光谱间距离计算方法, 利用该方法计算恒星光谱间的距离时, 首先将两条光谱归一化到同一尺度下, 然后计算对应波长处的残差, 以残差谱分布的标准差作为距离度量。 该距离度量方法可用于恒星分类、 聚类以及恒星大气物理参数测量等应用中。 本文以恒星光谱细分类为例来比较检验该距离度量方法, 结果表明该方法定义的距离在分类时能更为有效的刻画不同类别光谱间的差距, 可以很好的用于相关应用中。 同时还研究了信噪比对该距离度量方法的影响: 残差分布距离一定程度上受光谱信噪比影响, 信噪比越小, 对距离的影响越大; 在信噪比大于10之后, 残差分布距离对分类的影响很小。

恒星光谱数据的自动识别与分类是现代巡天望远镜所产生的海量光谱数据处理的一项重要研究内容。针对流量未定标的低分辨率恒星光谱设计了一种有效的自动分类方案,实现恒星光谱的MK分类:光谱型及其次型分类,光度型分类。该方案由三部分实现:(1)连续谱归一化:基于小波技术提取低频信号逼近连续谱的方法;(2)七种光谱型及其次型的分类通过非参数回归方法实现。(3)光度型分类通过基于最近邻的χ² 方法实现。实验结果表明该方案能够有效实现恒星光谱的MK 分类,光谱型及其次型的分类精度为3.2个光谱次型,栺灢桋光度型的正确识别率为60%,次优统计率为78%。该方案训练速度快,方法实现容易,适用于海量恒星光谱自动分类处理系统。