[發(fā)明專利]基于模糊大間隔最小球分類的恒星光譜離群數(shù)據(jù)挖掘方法

有效

• 申請?zhí)枺?/td>: 201610031687.4
• 申請日: 2016-01-18
• 公開（公告）號: CN105718941B
• 公開（公告）日: 2017-06-27
• 發(fā)明（設(shè)計）人: 劉忠寶;趙文娟;楊秋翔
• 申請（專利權(quán)）人: 中北大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢華旭知識產(chǎn)權(quán)事務(wù)所42214
• 代理人: 劉榮,江釗芳

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于模糊大間隔最小球分類的恒星光譜離群數(shù)據(jù)挖掘方法，屬于天體光譜分類領(lǐng)域。

背景技術(shù)

大型天文望遠鏡采集到的海量天體數(shù)據(jù)使天文學(xué)家擺脫了“數(shù)據(jù)貧乏”的窘境，但隨之而來的問題是如何對這些數(shù)據(jù)進行有效分析和處理。由于人類對宇宙的認識還較為有限，因此，大型天文望遠鏡巡天的任務(wù)之一就是發(fā)現(xiàn)一些新的、特殊的天體。特殊天體的發(fā)現(xiàn)對于人類了解宇宙演變規(guī)律具有重要意義。目前，常見特殊天體發(fā)現(xiàn)方法的基本思想是利用智能分類算法對離群數(shù)據(jù)進行處理和分析。離群數(shù)據(jù)是指不滿足其他數(shù)據(jù)的一般規(guī)律或分布性狀，與已有數(shù)據(jù)不一致的數(shù)據(jù)。與一般數(shù)據(jù)相比，離群數(shù)據(jù)包含更重要的信息，深入挖掘這部分數(shù)據(jù)對于特征天體發(fā)現(xiàn)至關(guān)重要。

近年來天體光譜數(shù)據(jù)分類方法不斷涌現(xiàn)，主要包括：Autoclass基于貝葉斯理論并采用非監(jiān)督學(xué)習(xí)算法；Starck將小波變換引入光譜分析；Gulati等采用兩層BP網(wǎng)絡(luò)實現(xiàn)恒星光譜分類；Bailer-Jones利用多層感知神經(jīng)網(wǎng)絡(luò)和主元分析進行恒星光譜自動分類；覃冬梅等利用主元分析和最近鄰分類器實現(xiàn)恒星光譜自動分類；劉蓉等利用小波特征對光譜星系進行分類；楊金福等提出基于核技巧與覆蓋算法的光譜自動分類方法；許馨等利用核技巧將非線性問題轉(zhuǎn)化為高維線性問題并利用線性判別分析算法進行光譜分類；趙梅芳等提出基于自適應(yīng)增強的光譜分類方法；孫士衛(wèi)等提出基于數(shù)據(jù)倉庫的星系光譜分類方法；張懷福等利用小波包和支持向量機技術(shù)對活動天體和非天體光譜分類問題展開研究；張繼福等提出基于約束概念格的恒星光譜數(shù)據(jù)自動分類方法；劉蓉等提出基于貝葉斯和主元分析的光譜分類方法；李鄉(xiāng)儒等提出基于最近鄰算法的光譜分類方法；Mahdi利用自組織映射算法進行光譜分類；Navarro等利用人工神經(jīng)網(wǎng)絡(luò)進行光譜分類；劉忠寶等提出基于流形判別分析和支持向量機的恒星光譜分類方法。

上述分類方法均能較好地完成天體光譜分類任務(wù)，但它們均對離群數(shù)據(jù)不敏感，分類性能甚至受離群點影響較大，因而無法完成特殊天體發(fā)現(xiàn)任務(wù)。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于模糊大間隔最小球分類的恒星光譜離群數(shù)據(jù)挖掘方法，該方法基于模糊最大間隔最小球模型(Fuzzy Large Margin and Minimum Ball Classification Model，F(xiàn)LM-MBC)，該模型對離群點較為敏感，在一定程度上克服了已有分類方法在特殊天體發(fā)現(xiàn)方面的不足，為特殊天體發(fā)現(xiàn)研究提供了新的思路。在該模型中，模糊技術(shù)的引入保證將樣本區(qū)別對待，這樣便減少噪聲點和奇異點對分類結(jié)果的影響。

本發(fā)明為解決其技術(shù)問題所采用的技術(shù)方案是：提供了一種基于模糊大間隔最小球分類的恒星光譜離群數(shù)據(jù)挖掘方法，包括以下步驟：

(1)對于斯隆望遠鏡采集回的天體光譜數(shù)據(jù)，根據(jù)每一個光譜數(shù)據(jù)的流量、峰寬和形狀將其離散化，得到待處理的數(shù)據(jù)集；假設(shè)所述樣本集由m₁′個一般類樣本和m₂′個離群類樣本構(gòu)成，樣本總數(shù)n′＝m₁′+m₂′，m₂′＜＜m₁′；由m₁′個一般類樣本組成的集合中x_i表示一般類樣本，1≤i≤m₁′，y_i表示類別標簽，y_i＝1表示該樣本屬于一般類；m₂′個離群類樣本組成的集合中x_j表示離群類樣本，m₁′+1≤j≤n′，y_j表示類別標簽，y_j＝-1，表示該樣本屬于離群類；從樣本集中隨機選取n個樣本構(gòu)成訓(xùn)練樣本集，使訓(xùn)練樣本集中的一般類樣本和離群類樣本的數(shù)量分別為m₁和m₂，比例保持為m₁/m₂＝m₁′/m₂′，樣本集中除其訓(xùn)練樣本集以外的樣本組成測試樣本集；

(2)利用訓(xùn)練樣本集構(gòu)建基于模糊大間隔最小球分類模型，所述基于模糊大間隔最小球分類模型的最優(yōu)化問題為：

其約束條件為：