基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別方法技術(shù)

本發(fā)明專利技術(shù)涉及計(jì)算機(jī)輔助的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別技術(shù)。一種基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成，所述方法包括步驟：恒星光譜數(shù)據(jù)的預(yù)處理；采用擴(kuò)展Ｋａｌｍａｎ濾波實(shí)現(xiàn)光譜特征的選擇與提取；采用徑向基函數(shù)實(shí)現(xiàn)恒星的自動(dòng)識(shí)別。本發(fā)明專利技術(shù)的恒星光譜自動(dòng)識(shí)別技術(shù)的分類正確率能達(dá)到９３％。（*該技術(shù)在2024年保護(hù)過(guò)期，可自由使用*）

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及計(jì)算機(jī)輔助的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別技術(shù)。
技術(shù)介紹
恒星的自動(dòng)識(shí)別對(duì)大型的望遠(yuǎn)鏡巡天項(xiàng)目有著重要意義。目前國(guó)際上對(duì)恒星的自動(dòng)識(shí)別是通過(guò)照相數(shù)據(jù)的PSF(Point Spread Function)檢測(cè)來(lái)完成的。基于光譜的恒星的自動(dòng)識(shí)別技術(shù)能讓大型的望遠(yuǎn)鏡光譜巡天項(xiàng)目無(wú)需對(duì)目標(biāo)進(jìn)行照相觀測(cè)，因此具有重要意義。在恒星光譜的分類中有代表性的是Autoclass。它是貝葉斯統(tǒng)計(jì)分類方法的一種，使用非監(jiān)督學(xué)習(xí)算法，現(xiàn)在還處于不斷發(fā)展之中。Kurtz博士用交叉相關(guān)和主向量分析方法，把MK方法應(yīng)用于低分辨率光譜，其結(jié)果對(duì)光度型的分類不太好。Von Hippel等人首先將神經(jīng)網(wǎng)絡(luò)方法用于恒星光譜分類，采用兩層BP網(wǎng)絡(luò)，要避免神經(jīng)網(wǎng)絡(luò)的過(guò)度學(xué)習(xí)。本專利技術(shù)中提出的自動(dòng)識(shí)別技術(shù)學(xué)習(xí)速度快、魯棒性強(qiáng)，且大大地提高了恒星的分類正確率。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于提供一種適用于海量光譜數(shù)據(jù)，學(xué)習(xí)速度快，具有較高準(zhǔn)確率的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別技術(shù)。為實(shí)現(xiàn)上述目的，一種基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成，所述方法包括步驟恒星光譜數(shù)據(jù)的預(yù)處理；采用擴(kuò)展Kalman濾波實(shí)現(xiàn)光譜特征的選擇與提取；采用徑向基函數(shù)實(shí)現(xiàn)恒星的自動(dòng)識(shí)別。本專利技術(shù)的恒星光譜自動(dòng)識(shí)別技術(shù)的分類正確率能達(dá)到93％。附圖說(shuō)明圖1基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別與分析的處理過(guò)程；圖2本專利技術(shù)的恒星的自動(dòng)識(shí)別流程圖；圖3徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。具體實(shí)施例方式本專利技術(shù)由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成。標(biāo)準(zhǔn)恒星模板包括有七大光譜型，即O-He II譜線、B-He I譜線、A-H譜線、F-Ca II譜線、G-strong譜線、K-bands譜線和M-very譜線。基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)包括三大步驟，如圖1所示。本專利技術(shù)的恒星自動(dòng)識(shí)別流程圖如圖2所示。第一步完成圖2中第一層的數(shù)據(jù)預(yù)處理，即構(gòu)造適合于第二層自動(dòng)識(shí)別的標(biāo)準(zhǔn)數(shù)據(jù)；第二步完成圖2中第二層的特征提取，即對(duì)恒星光譜進(jìn)行降維處理；第三步完成圖2中第三層的分類，即對(duì)恒星進(jìn)行自動(dòng)識(shí)別。第一步的實(shí)現(xiàn)方法主要是采用歸一化和線性插值的方法，將光譜數(shù)據(jù)標(biāo)準(zhǔn)化為同一范圍，同一分辨率，從而構(gòu)造適合于第二層自動(dòng)識(shí)別的標(biāo)準(zhǔn)化數(shù)據(jù)。第二步的實(shí)現(xiàn)方法主要包括采用擴(kuò)展的Kalman濾波對(duì)光譜數(shù)據(jù)進(jìn)行降維，選擇訓(xùn)練樣本，訓(xùn)練樣本投影。第三步的實(shí)現(xiàn)方法主要包括采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行恒星光譜的識(shí)別。各步驟的具體說(shuō)明如下1.采用歸一化和線性插值的方法進(jìn)行預(yù)處理對(duì)光譜進(jìn)行歸一化處理，使得相同類型的譜線在形狀和強(qiáng)度上表現(xiàn)開(kāi)工一致。而線性插值的方法使得譜線處于同一范圍中，同一分辨率下。光譜樣本矩陣X進(jìn)行預(yù)處理后得到標(biāo)準(zhǔn)化光譜樣本矩陣X’。2.選擇訓(xùn)練樣本在第1步構(gòu)造的標(biāo)準(zhǔn)化光譜樣本中，從七大類光譜的每類中隨機(jī)的選取一定數(shù)量的樣本，采用leave-one-out交叉檢驗(yàn)方法進(jìn)行訓(xùn)練和測(cè)試。3.采用擴(kuò)展Kalman濾波進(jìn)行降噪和特征提取標(biāo)準(zhǔn)化光譜樣本矩陣X′經(jīng)過(guò)擴(kuò)展Kalman濾波后，得到估計(jì)矩陣U。一個(gè)非線性函數(shù)h作用于估計(jì)矩陣U的結(jié)果就是擴(kuò)展Kalman濾波的輸出。擴(kuò)展Kalman濾波在提取特征的同時(shí)對(duì)光譜數(shù)據(jù)進(jìn)行了降噪處理。4.采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行恒星光譜的識(shí)別將第3步的擴(kuò)展Kalman濾波的輸出作為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行分類器的訓(xùn)練，輸出結(jié)果為一維數(shù)據(jù)，選擇最大的一列數(shù)據(jù)，實(shí)現(xiàn)對(duì)恒星的自動(dòng)識(shí)別。權(quán)利要求1.一種基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別方法，由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成，所述方法包括步驟恒星光譜數(shù)據(jù)的預(yù)處理；采用擴(kuò)展Kalman濾波實(shí)現(xiàn)光譜特征的選擇與提取；采用徑向基函數(shù)實(shí)現(xiàn)恒星的自動(dòng)識(shí)別。2.按權(quán)利要求1所述的方法，其特征在于所述自動(dòng)識(shí)別恒星包括步驟1)采用歸一化和線性插值的方法進(jìn)行預(yù)處理；2)選擇訓(xùn)練樣本；3)采用擴(kuò)展Kalman濾波進(jìn)行降噪和特征提取；4)采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行恒星光譜的識(shí)別。3.按權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，其特征在于訓(xùn)練樣本的選擇是隨機(jī)的，采用的是leave-one-out交叉檢驗(yàn)方法。4.按權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，其特征在于采用擴(kuò)展的Kalman濾波進(jìn)行降噪，同時(shí)進(jìn)行了特征提取。5.按權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，其特征在于采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，訓(xùn)練恒星的分類器。6.按權(quán)利要求4或5所述的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，其特征在于恒星的分類器的訓(xùn)練樣本包含各種光譜型的恒星。全文摘要本專利技術(shù)涉及計(jì)算機(jī)輔助的基于神經(jīng)網(wǎng)絡(luò)的恒星光譜自動(dòng)識(shí)別技術(shù)。一種基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別技術(shù)，由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成，所述方法包括步驟恒星光譜數(shù)據(jù)的預(yù)處理；采用擴(kuò)展Kalman濾波實(shí)現(xiàn)光譜特征的選擇與提取；采用徑向基函數(shù)實(shí)現(xiàn)恒星的自動(dòng)識(shí)別。本專利技術(shù)的恒星光譜自動(dòng)識(shí)別技術(shù)的分類正確率能達(dá)到93％。文檔編號(hào)G06F9/44GK1779698SQ20041009147公開(kāi)日2006年5月31日 申請(qǐng)日期2004年11月25日 優(yōu)先權(quán)日2004年11月25日專利技術(shù)者郭平, 白凌 申請(qǐng)人:北京師范大學(xué)信息科學(xué)學(xué)院, 郭平, 白凌本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于神經(jīng)網(wǎng)絡(luò)的恒星光譜的自動(dòng)識(shí)別方法，由恒星的靜止光譜模板、計(jì)算機(jī)及相關(guān)軟件組成，所述方法包括步驟：恒星光譜數(shù)據(jù)的預(yù)處理；采用擴(kuò)展Ｋａｌｍａｎ濾波實(shí)現(xiàn)光譜特征的選擇與提取；采用徑向基函數(shù)實(shí)現(xiàn)恒星的自動(dòng)識(shí)別。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：郭平，白凌，
申請(qǐng)(專利權(quán))人：北京師范大學(xué)，郭平，白凌，
類型：發(fā)明
國(guó)別省市：11[中國(guó)|北京]