一种基于Map/Reduce分布式计算的恒星光谱分类方法
文献类型：期刊论文
| 作者 | 潘景昌2; 王杰2; 姜斌2; 罗阿理2; 韦鹏3; 郑强1 |
| 刊名 | 光谱学与光谱分析
 |
| 出版日期 | 2016 |
| 卷号 | 036期号:008页码:2651 |
| ISSN号 | 1000-0593 |
| 英文摘要 | 天体光谱中蕴含着非常丰富的天体物理信息,通过对光谱的分析,可以得到天体的物理信息、化学成分以及天体的大气参数等。随着LAMOST和SDSS等大规模巡天望远镜的实施,将会产生海量的光谱数据,尤其是LAMOST正式运行后,每个观测夜产生大约2～4万条光谱数据。如此海量的光谱数据对光谱的快速有效的处理提出了更高的要求。恒星光谱的自动分类是光谱处理的一项基本内容,该研究主要工作就是研究海量恒星光谱的自动分类技术。Lick线指数是在天体光谱上定义的一组用以描述光谱中谱线强度的标准指数,代表光谱的物理特性,以每个线指数最突出的吸收线命名,是一个相对较宽的光谱特征。研究了基于Lick线指数的贝叶斯光谱分类方法,对F,G,K三类恒星进行分类。首先,计算各类光谱的Lick线指数作为特征向量,然后利用贝叶斯分类算法对三类恒星进行分类。针对海量光谱的情况,基于Hadoop平台实现了Lick线指数的计算,以及利用贝叶斯决策进行光谱分类的方法。利用HadoopHDFS高吞吐率和高容错性的特点,结合Hadoop MapReduce编程模型的并行优势,提高了对大规模光谱数据的分析和处理效率。该研究的创新点为：（1）以Lick线指数作为特征,基于贝叶斯算法实现恒星光谱分类;（2）基于Hadoop MapReduce分布式计算框架实现Lick线指数的并行计算以及贝叶斯分类过程的并行化。 |
| 语种 | 英语 |
| 源URL | [http://ir.bao.ac.cn/handle/114a11/39953]  |
| 专题 | 中国科学院国家天文台 |
| 作者单位 | 1.烟台大学 2.山东大学 3.中国科学院国家天文台 |
| 推荐引用方式 GB/T 7714 | 潘景昌,王杰,姜斌,等. 一种基于Map/Reduce分布式计算的恒星光谱分类方法[J]. 光谱学与光谱分析,2016,036(008):2651. |
| APA | 潘景昌,王杰,姜斌,罗阿理,韦鹏,&郑强.(2016).一种基于Map/Reduce分布式计算的恒星光谱分类方法.光谱学与光谱分析,036(008),2651. |
| MLA | 潘景昌,et al."一种基于Map/Reduce分布式计算的恒星光谱分类方法".光谱学与光谱分析 036.008(2016):2651. |
入库方式： OAI收割
来源：国家天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。