stellarspectraclassificationwithentropybasedlearningmachine
文献类型:期刊论文
作者 | Liu Zhongbao2; Ren Juanjuan1; Song Wenai2; Zhang Jing2; Kong Xiao1![]() |
刊名 | 光谱学与光谱分析
![]() |
出版日期 | 2018 |
卷号 | 038期号:002页码:660 |
ISSN号 | 1000-0593 |
英文摘要 | 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(Entropybased 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。 |
语种 | 英语 |
源URL | [http://ir.bao.ac.cn/handle/114a11/42966] ![]() |
专题 | 中国科学院国家天文台 |
作者单位 | 1.中国科学院国家天文台 2.中北大学 |
推荐引用方式 GB/T 7714 | Liu Zhongbao,Ren Juanjuan,Song Wenai,et al. stellarspectraclassificationwithentropybasedlearningmachine[J]. 光谱学与光谱分析,2018,038(002):660. |
APA | Liu Zhongbao,Ren Juanjuan,Song Wenai,Zhang Jing,Kong Xiao,&Fu Lizhen.(2018).stellarspectraclassificationwithentropybasedlearningmachine.光谱学与光谱分析,038(002),660. |
MLA | Liu Zhongbao,et al."stellarspectraclassificationwithentropybasedlearningmachine".光谱学与光谱分析 038.002(2018):660. |
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。