基于DenseNet的天体光谱分类方法

作者：王奇勋,赵刚,范舟

摘要：天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习,主要采用基于计算机视觉的技术手段。基于计算机视觉领域广泛应用的DenseNet网络结构,针对光谱数据进行修改,建立了适用于光谱数据的一维卷积神经网络模型,解决天体光谱数据分类任务。在验证数据集上,恒星、星系、类星体的F1分数达到了0.9987、0.9127、0.9147,高于传统的神经网络。光谱分类关注区域的可视化结果表明,本文模型可以学习到各类天体对应的特征谱线,具有较强的可解释性。本文方法被用于阿里云天池天文数据挖掘大赛——天体光谱智能分类,并在843支参赛队伍的3次数据评比中获得了2次第一、1次第三的成绩,证明了该模型在保证分类精度的同时,具有极强的鲁棒性、泛化性,适用于光谱的自动分类。

发文机构：中国科学院光学天文重点实验室 中国科学院大学天文与空间科学学院

关键词：卷积神经网络光谱分类数据挖掘Convolutional neural networkClassification of spectraData mining

分类号： TP391.41[自动化与计算机技术—计算机应用技术][自动化与计算机技术—计算机科学与技术]