基于熵学习机的恒星光谱分类
文献类型：期刊论文
| 作者 | Liu Zhongbao1; Ren Juanjuan2; Song Wenai1; Zhang Jing1; Kong Xiao2 ; Fu Lizhen1
|
| 刊名 | 光谱学与光谱分析
 |
| 出版日期 | 2018 |
| 卷号 | 38.0期号:002页码:660 |
| 关键词 | 数据挖掘 恒星光谱分类 熵 斯隆数字巡天 |
| 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/114a11/63182]  |
| 专题 | 中国科学院国家天文台 |
| 作者单位 | 1.中北大学 2.中国科学院国家天文台 |
| 推荐引用方式 GB/T 7714 | Liu Zhongbao,Ren Juanjuan,Song Wenai,等. 基于熵学习机的恒星光谱分类[J]. 光谱学与光谱分析,2018,38.0(002):660. |
| APA | Liu Zhongbao,Ren Juanjuan,Song Wenai,Zhang Jing,Kong Xiao,&Fu Lizhen.(2018).基于熵学习机的恒星光谱分类.光谱学与光谱分析,38.0(002),660. |
| MLA | Liu Zhongbao,et al."基于熵学习机的恒星光谱分类".光谱学与光谱分析 38.0.002(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。