基于深度学习的LAMOST光谱分类研究  

作　　者：许婷婷 马晨晔 张静敏 

机构地区：[1]不详

出　　处：《中国学术期刊文摘》2021年第24期61-62,共2页Chinese Science Abstracts(Chinese Edition)

摘　　要：近年来,世界各国先进的天文观测仪器不断问世,例如SDSS(sloan digital sky survey)、GAIA(global astrometric interferometer for astrophysics)和LAMOST(large sky area multi-object fiber spectroscopic telescope)等巡天项目中大量光谱数据随之产生,然而,在相关研究中仍然存在分类精度低和光谱型未知等问题。随着人工智能技术的快速发展,各研究领域应用其相关方法取得了一系列成果。机器学习中的深度学习在大样本下更能凸显优势,因此将结合巡天项目的海量光谱数据将深度学习方法应用于恒星光谱数据的自动分类中。

关 键 词：光谱型 深度学习 光谱分类 人工智能技术 机器学习 光谱数据 LAMOST 自动分类 

分 类 号：P15[天文地球—天文学]