基于深度学习的高维光谱分类识别研究

论文摘要

光谱分类识别一直是天文学家研究中的基础问题,也是LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K 3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法.

论文目录

• 1 研究进展及现状
• 2 数据预处理
• 3 深度信念网络模型设计
•   3.1 深度信念网络结构
•   3.2 深度信念网络的算法过程
•     1) DBN的预训练过程:
•     2) DBN的反向微调过程:
•   3.3 深度信念网络模型的参数选择
• 4 分类实验与结果分析
•   4.1 实验1
•     1) 实验环境
•     2) 实验样本数据
•     3) 方法分析与比较
•   4.2 实验2
•     1) 实验环境
•     2) 样本数据
•     3) 方法分析与比较
• 5 结语

文章来源

类型: 期刊论文

作者: 许婷婷,张静敏,杜利婷,周卫红

关键词: 高维光谱,特征学习,分类识别,深度学习,深度信念网络

来源: 云南民族大学学报(自然科学版) 2019年03期

年度: 2019

分类: 基础科学,信息科技

专业: 自然地理学和测绘学,自动化技术

单位: 云南民族大学数学与计算机科学学院,中国科学院天体结构与演化重点实验室

基金: 国家自然科学基金(61561053),云南民族大学研究生创新基金(2018YJCXS222)

分类号: TP183;P237

页码: 293-296

总页数: 4

文件大小: 855K

下载量: 152