一種星系形態分類的新方法

王林倩，邱 波*，羅阿理，孔 嘯，逯亞坤，郭小雨

(1. 河北工業大學，天津 300401；2. 中國科學院國家天文臺，北京 100101)

隨著天文觀測儀器的發展和觀測技術的進步，大型數字巡天計劃如斯隆數字巡天(Sloan Digital Sky Survey, SDSS)[1]，COSMOS巡天(Cosmic Evolution Survey, COSMOS)[2]，大口徑全天巡視望遠鏡(Large Synoptic Survey Telescope, LSST)[3]等逐步實施，星系觀測數據呈現爆炸式增長的趨勢。

星系是眾多天體中的一類，主要由恒星、恒星遺骸、星際氣體、塵埃和暗物質等組成，并受引力綁定。星系的形態與星系的形成、演化有著密切的聯系，是探究星系物理的重要參數。隨著機器學習和深度學習在各個領域的應用，星系形態的自動分類方法也迅速發展。文[4]用多個支持向量機(Support Vector Machine, SVM)對星系形態進行螺旋星系、橢圓星系和不規則星系的分類，最高分類準確率為96.8%。文[5]以5萬多幅星系圖片為訓練集，經過100多次的嘗試，首次提出用卷積神經網絡進行模型訓練，最終以均方根為0.074 92獲得了 “銀河動物園挑戰賽” 的冠軍。文[6]利用SDSS DR12中17 344幅恒星和47 656幅星系圖像，提出一個類似視覺幾何組(Visual Geometry Group, VGG)的11層深度卷積神經網絡，實現了對恒星、星系的分類，測試集的準確率分別達到99.52%和99.48%。文[7]對來自EFIGI目錄的旋渦星系、橢圓星系、透鏡星系和不規則星系進行分類，提取星系圖像的顏色特征、紋理特征和形狀特征，并用二進制正弦余弦算法選擇最相關的特征，最后用K最鄰近(K-Nearest Neighbor, KNN)方法對4類星系分類的準確率分別為97.43%，100%，79.48%和100%，平均分類準確率為94.2%。文[8]提出了一種星系形態的分類網絡daMCOGCNN，該方法對不規則星系進行了數據增強，使用不同的激活函數構建卷積神經網絡，橢圓星系、旋渦星系和不規則星系分類準確率達到97%?！?br>