CASIA OpenIR  > 毕业生  > 博士学位论文
海量星系光谱中的超新星候选自动搜索
其他题名Automated searching for supernova candidates in massive galaxy spectra datasets
屠良平
学位类型工学博士
导师吴福朝
2010-05-16
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词星系红移 超新星 范围约简 星系成分扣除 Galaxy Redshift Supernova Sample Decrease Host Galaxy Subtraction
摘要本文面向LAMOST天体光谱自动处理分析的研究需求,针对海量星系光谱中特殊天体--超新星的自动搜寻进行了相应的研究工作。主要工作有: 1 提出了两种星系红移自动测量方法。一种是基于小波变换提取强窄发射线区域的活动星系光谱的红移测量方法,并结合应用于正常星系光谱的交叉相关方法提出了基于Fisher分类前提下的星系红移综合测量方法。实验表明该方法要优于其它一些常用方法。另一种是改进的基于相似性度量的自动红移测量方法。因为目前光谱的谱线提取精度仍然不高,从而影响基于谱线提取的红移候选选择结果,本文避开天体光谱谱线提取确定红移候选的过程,而是在不同尺度下采用不同的数值集合作为候选。考虑红移测量精度和光谱在处理过程中的采样与分辨率的关系,本文又对待测光谱进行了插值细化。在SDSS实测光谱数据上的测试结果显示,红移测量正确率(以SDSS红移值为参考,误差精度在0.001以内)由原来的96%左右提高到99%以上。 2 提出了海量星系光谱数据中超新星候选范围的快速约减思想。根据超新星本身的稀有属性,提出了基于离群搜索思想的超新星候选范围自动约减。通过PCA分析和Nugent的模拟超新星模板库,构造了超新星光谱特征空间,进而引入了星系光谱数据对应于超新星特征的统计特征描述向量,基于这一描述提出基于局部孤立性因子的超新星候选范围的自动约减。另外,基于同一思想提出了一种以相似测度代替距离测度进行超新星候选范围约减的方法。因为光谱数据通常都是高维数据,用欧氏距离有时并不能充分定义两条光谱间相似程度,所以本文提出了基于相似测度的局部孤立性因子概念(本文称为SBLOF),并证明了重构光谱间相似度和其对应特征描述向量间相似度保持不变。通过计算超新星特征描述的SBLOF进行范围约减也具有很好的效果,并且在计算效率上有提高。 3 提出了一种快速分解混合光谱中星系成分与超新星成分的分解算法。许多观测到的天体目标光谱如超新星和活动星系核光谱常常混有其寄主星系成分,这些混有寄主星系污染的光谱会给其对应目标的证认识别造成困难。对星系污染较轻的光谱而言,不进行星系成分扣除直接进行其它处理也是可行的。另外有些人使用了PCA(Principal Component Analysis) 直接投影方法和X2模板拟合方法去进行超新星光谱的寄主星系成分扣除,但这两种方法要么分解不准确要么时间消耗较大。基于此,本文在二者的基础上提出了一种快速有效的称为二元PCA特征谱分解的星系扣除算法。该算法可分为三个步骤,首先是计算星系样本模板库和超新星样本模板库各自的PCA特征光谱,并对特征光谱组通过正交变换得到混合空间的一组标准正交基;然后通过SVD矩阵分解或正交变换计算混合光谱在该标准正交基上的分解系 数;最后根据系数重构混合光谱中的星系成分并进行扣除。实验表明,该方法可以准确地对混合光谱进行分解并且具有非常低的时间消耗,从而使得该方法可应用到大规模光谱数据处理中。 4 提出了一种从星系光谱数据中搜索超新星候选光谱的方法,该方法主要包括五个步骤,第一,光谱的预处理,包括去噪、退红移等处理过程;第二,对每一条光谱进行星系成...
其他摘要Facing with the requirement of automated processing and analysis for the LAMOST spectral data, this thesis focuses on automated searching for specialobjects–supernovae. The main contributions of this thesis include following four aspects: 1 We propose two kinds of methods to predict the redshift of galaxy spectra automatically. One is an integrated approach.Galaxy spectra are classified into into spectra of active galaxies and normal galaxies firstly based on Fisher Discriminant Analysis, then the density estimation technique is used to predict redshift for the active galaxies, and the cross-correlation technique is used to predict redshift for the normal galaxies. Experiments show that the correct rate of redshift prediction is higher than other three methods. The other is an improved method based on the similarity measure. Because spectral lines cannot usually be extracted accurately, in the method we use a number set varying with scales as redshift candidates, instead of determining redshift candidates according to the extracted spectral lines. Considering the relationship between the redshift measurement accuracy and spectral resolution, we perform the inner interpolation for each spectrum to be measured. For real spectral data from Sloan Digital Sky Survey (SDSS), the test results show that the correct rate of redshift measurement can be raised to up to 99%. 2 We propose a new automated method to decrease sample volume, whichcan be successfully used to reduce the range of searching for Ia supernova (SN) candidates in large number of galaxy spectra according to the rare attribute of supernova. Through the PCA analysis for Nugent’s simulation supernova template library, we construct a supernova spectral eigen-space and define a supernova statistical characterization vector (SNSCV) for each galaxy spectrum. Then based on Local Outlier Factor (LOF), we propose a method to automatically reduce the range of searching for supernova candidates. In addition, according to the same idea, we propose a method to further reduce the range of searching for supernova candidates using similarity measure instead of Euclidean distance. Because spectral data are usually high dimensional, Euclidean distance sometimes can not adequately reflect the similarity between the two spectra, thus we give the definition of local outlier factor based on similarity (SBLOF), and prove that the similarity between the two reconstructed spectra is equal to the similarity between th...
馆藏号XWLW1505
其他标识符200718014628062
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6236
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
屠良平. 海量星系光谱中的超新星候选自动搜索[D]. 中国科学院自动化研究所. 中国科学院研究生院,2010.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20071801462806(6949KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[屠良平]的文章
百度学术
百度学术中相似的文章
[屠良平]的文章
必应学术
必应学术中相似的文章
[屠良平]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

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。