基于神经网络的模板匹配方法求正常星系红移

• 作 者: 许馨 罗阿理 吴福朝 赵永恒
• 机 构: 中国科学院自动化所国家模式识别实验室机器人视觉组,中国科学院国家天文台,中国科学院自动化所国家模式识别实验室机器人视觉组
• 出 处: 光谱学与光谱分析
• 发表日期: 2005年6期
• 关键词: 正常星系 主分量分析 概率神经网络 红移分类 模板匹配 normal galaxy principal component analysis(PCA) pr
• 基金项目: 国家高技术研究发展计划(863计划)，国家自然科学基金

星系通常分为正常星系(NG)与活动星系(AG)两类. 文章提出了一种自动获取NG红移的快速有效方法: (1) 由NG模板根据红移范围Ⅰ: 0.0～0.3与Ⅱ: 0.3～0.5模拟得到两类星系样本, 进行PCA变换获得样本特征向量; (2) 利用概率神经网络设计两类样本特征向量的Bayes分类器; (3) 对于实际NG光谱数据, 利用Bayes分类器进行分类确定其红移的范围, 然后在此范围内进行模板匹配得到红移的准确值. 与在整个红移范围内的模板匹配方法相比, 此方法不但节省了50%的模板匹配运算量, 而且