天体光谱数据挖掘与分析

随着LAMOST正式巡天的实施，已成功获取了600 万条天体光谱及星表，并每天以海量的数字增长着， 这给长期传统的人工分析、人眼证认等任务带来了巨 大挑战。杨海峰编著的《天体光谱数据挖掘与分析》 以河外星系和恒星光谱为研究背景，针对天文学研究 中稀有天体的特征分析以及天体光谱的分类等任务， 将新兴的数据挖掘技术应用到天体光谱规律的发现和 研究中，并从天文物理学角度对挖掘结果进一步分析 。主要包括特殊、稀有天体的挖掘与分析，光谱分类 及后处理方法两个方面的内容。 本书可供从事数据挖掘、机器学习以及天文信息 学等相关专业的科研人员参考，也可以作为高等院校 计算机、天文学专业的高年级本科生与研究生的学习 参考书。

第1章 绪论 1.1 天体光谱 1.1.1 LAMOST光谱巡天 1.1.2 SDSS光谱巡天 1.1.3 光谱分析 1.2 数据挖掘 1.2.1 产生和定义 1.2.2 数据挖掘任务与分类 1.2.3 主要应用 1.3 海量天体光谱数据挖掘 1.3.1 分类 1.3.2 聚类及离群分析 1.3.3 关联规则 1.3.4 恒星大气参数测量 第2章 基于模糊识别的双红移系统星系光谱搜寻与分析 2.1 引言 2.2 基于模糊识别的搜寻方法 2.2.1 样本选择 2.2.2 方法描述 2.3 结果分析 2.3.1 SDSS DR9 和LAMOST DR1 中SGPs样本 2.3.2 光谱与图像分析 2.3.3 尘埃消光测量 2.4 讨论 第3章 稀有光谱检索的PU学习方法 3.1 问题提出 3.2 二部排序模型 3.2.1 TopPush方法 3.2.2 面向稀有光谱检索的BaggingTopPush方法 3.3 实验设计 3.3.1 样本选择 3.3.2 实验设置 3.3.3 评价指标 3.4 结果分析 3.4.1 排序效果 3.4.2 排序效率 3.4.3 参数敏感性 3.5 讨论 第4章 E+A星系搜寻与分析 4.1 问题提出 4.2 E+A星系光谱搜寻方法 4.2.1 样本选择—LAMOST数据集 4.2.2 搜寻方法 4.2.3 近邻E+A星系星表 4.3 结果分析 4.3.1 样本分布特征 4.3.2 星族合成分析 4.3.3 图像分析 4.4 讨论 第5章 基于贝叶斯支持向量机的光谱分类方法 5.1 问题提出 5.2 基于贝叶斯支持向量机的分类方法 5.2.1 支持向量机 5.2.2 贝叶斯推理 5.2.3 马尔可夫链蒙特卡罗 5.2.4 贝叶斯支持向量机 5.3 实验分析 5.3.1 样本选择 5.3.2 预处理方法 5.3.3 实验参数设置 5.3.4 结果分析 5.4 讨论 第6章 基于分类模式树的恒星光谱自动分类方法 6.1 问题提出 6.2 恒星光谱分类模式树 6.3 分类模式树构造方法 6.3.1 算法思想 6.3.2 算法描述 6.3.3 算法分析 6.4 分类规则提取及恒星光谱分类 6.5 实验分析 6.6 讨论 第7章 恒星光谱分类规则后处理方法 7.1 问题提出 7.2 基于谓词逻辑的分类规则后处理方法 7.2.1 恒星光谱分类规则 7.2.2 恒星光谱分类规则后处理 7.2.3 实验分析 7.3 基于集合运算的分类规则后处理方法 7.3.1 分类规则问题描述 7.3.2 分类规则后处理算法 7.3.3 实验分析 7.4 讨论 参考文献 附录A SDSS DR9 和LAMOST DR1 的SGPs样本清单 附录B LAMOST DR2的E+A样本清单 附录C LAMOST DR2的E+A样本测光信息清单