基于DenseNet的天體光譜分類方法

作者：王奇勛,趙剛,范舟

摘要：天體光譜數據的智能處理正由傳統機器學習方法逐步轉向深度學習,主要采用基于計算機視覺的技術手段。基于計算機視覺領域廣泛應用的DenseNet網絡結構,針對光譜數據進行修改,建立了適用于光譜數據的一維卷積神經網絡模型,解決天體光譜數據分類任務。在驗證數據集上,恒星、星系、類星體的F1分數達到了0.9987、0.9127、0.9147,高于傳統的神經網絡。光譜分類關注區域的可視化結果表明,本文模型可以學習到各類天體對應的特征譜線,具有較強的可解釋性。本文方法被用于阿里云天池天文數據挖掘大賽——天體光譜智能分類,并在843支參賽隊伍的3次數據評比中獲得了2次第一、1次第三的成績,證明了該模型在保證分類精度的同時,具有極強的魯棒性、泛化性,適用于光譜的自動分類。

發文機構：中國科學院光學天文重點實驗室 中國科學院大學天文與空間科學學院

關鍵詞：卷積神經網絡光譜分類數據挖掘Convolutional neural networkClassification of spectraData mining

分類號： TP391.41[自動化與計算機技術—計算機應用技術][自動化與計算機技術—計算機科學與技術]