作者单位
摘要
1 哈尔滨工程大学理学院, 纤维集成光学教育部重点实验室, 黑龙江 哈尔滨 150001
2 齐齐哈尔大学机电工程学院, 黑龙江 齐齐哈尔 161006
3 中国科学院光学天文重点实验室(国家天文台), 北京 100012
随着获取和收集天文光谱大数据能力的与日俱增, 合理利用计算科学技术正确地分析海量光谱的处理方法及结果统计。 前述工作采用了欧氏距离分析判别LAMOST实测光谱与模板之间相似度的研究, 研究恒星分类准确性取决于高质量的模板光谱, 选取LAMOST光谱在用的分类软件中183个恒星模板光谱, 分别利用欧氏距离和马氏距离方法得出A, F, G, K和M型恒星模板间的均值和最大值, 完成每条谱线相互之间的相关性分析, 找出相对距离较大的模板及形成原因。 相似度度量可视化实验数据结果表明模板之间具有一定的区分度, 通过马氏距离分析模板间相似性能更进一步辨识出相近模板之间的细微差别, 具备较优良的判别效果, 证实了LAMOST现有分类的各模板间距离较均匀, 且分类结果较为准确。 该研究可进一步优化在用光谱分类模板, 提升LAMOST恒星分类模板库的精确度和可信度。
相似性度量 欧氏距离 马氏距离 恒星光谱模板 Similarity measurement Euclidean distance Mahalanobis distance Stellar spectrum template LAMOST LAMOST (large sky area multi-object fiber spectros 
光谱学与光谱分析
2018, 38(6): 1922

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!