排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
提出一种基于机器学习的食双星光变曲线自动分类算法。首先对数据进行预处理,将食双星光变曲线数据归一化,并通过滤波/插值降低噪声;其次使用快速傅里叶变换提取频率信号作为特征向量;最后利用特征向量训练支持向量机获得自动分类模型。使用Python实现算法并抓取CALEB和GCVS数据验证,分析特征向量、支持向量机核函数与惩罚系数对分类正确率的影响,优化后所得分类模型正确率达到92.8%(训练集)和89.0%(测试集),最后使用所得分类模型对第3方数据进行分类,正确率为88.8%,结果证明提出的分类算法的有效性。 相似文献
2.
本文基于Python设计和实现自动测光程序。首先扫描文件名实现文件分类;然后进行数据检查、预处理与孔径测光,并保存测光数据;最终由观测者指定目标星与比较星,程序从测光结果中提取相应星等与观测时间等数据,获得基于较差测光法的光变曲线。为解决数据提取中星图匹配问题,提出自动追踪移动目标的基于向量特征星图匹配算法,能自动匹配偏移较大的星图,并跟踪不断移动的小行星。使用本程序分别处理双星和小行星观测数据,并与IRAF(Image Reducation and Analysis Facility)测光结果比较,测光结果最大偏差分别为0.04 mag和0.043 mag,标准偏差分别为±0.005 mag和±0.007 mag。 相似文献
1