第1章 绪论 1
1.1 天体光谱 1
1.1.1 LAMOST光谱巡天 2
1.1.2 SDSS光谱巡天 5
1.1.3 光谱分析 6
1.2 数据挖掘 7
1.2.1 产生和定义 7
1.2.2 任务与分类 10
1.2.3 主要应用 12
1.3 海量天体光谱数据挖掘 14
1.3.1 分类 14
1.3.2 聚类及离群分析 17
1.3.3 关联规则 19
1.3.4 恒星大气参数测量 20
1.3.5 预处理方法 20
第一篇 特殊、稀有天体的挖掘与分析 24
第2章 基于模糊识别的双红移系统星系光谱搜寻与分析 24
2.1 引言 25
2.2 基于模糊识别的搜寻方法 27
2.2.1 样本选择 27
2.2.2 方法描述 28
2.3 结果分析 35
2.3.1 SDSS DR9和LAMOST DR1中的SGPs样本 35
2.3.2 光谱与图像分析 39
2.3.3 尘埃消光测量 48
2.4 讨论 51
第3章 稀有光谱检索的PU学习方法 53
3.1 问题提出 54
3.2 二部排序模型 56
3.2.1 TopPush方法 57
3.2.2 面向稀有光谱检索的BaggingTopPush方法 58
3.3 实验设计 59
3.3.1 样本选择 60
3.3.2 实验设置 61
3.3.3 评价指标 64
3.4 结果分析 65
3.4.1 排序效果 65
3.4.2 排序效率 72
3.4.3 参数敏感性 74
3.5 讨论 76
第4章 E＋A星系搜寻与分析 78
4.1 问题提出 78
4.2 E＋A星系光谱搜寻方法 80
4.2.1 样本选择——LAMOST数据集 80
4.2.2 搜寻方法 80
4.2.3 近邻E＋A星系星表 83
4.3 结果分析 87
4.3.1 样本分布特征 87
4.3.2 星族合成分析 90
4.3.3 图像分析 92
4.4 讨论 95
第二篇 光谱分类及后处理方法 98
第5章 基于贝叶斯支持向量机的光谱分类方法 98
5.1 问题提出 98
5.2 基于贝叶斯支持向量机的分类方法 100
5.2.1 支持向量机 100
5.2.2 贝叶斯推理 101
5.2.3 马尔可夫链蒙特卡罗方法 101
5.2.4 贝叶斯支持向量机 102
5.3 实验分析 107
5.3.1 样本选择 107
5.3.2 预处理方法 108
5.3.3 实验参数设置 112
5.3.4 结果分析 113
5.4 讨论 116
第6章 基于分类模式树的恒星光谱自动分类方法 117
6.1 问题提出 117
6.2 恒星光谱分类模式树 119
6.3 分类模式树构造方法 120
6.3.1 算法思想 120
6.3.2 算法描述 121
6.3.3 算法分析 122
6.4 分类规则提取及恒星光谱分类 122
6.5 实验分析 123
6.6 讨论 127
第7章 恒星光谱分类规则后处理方法 129
7.1 问题提出 129
7.2 基于谓词逻辑的分类规则后处理方法 131
7.2.1 恒星光谱分类规则 131
7.2.2 恒星光谱分类规则后处理 132
7.2.3 实验分析 136
7.3 基于集合运算的分类规则后处理方法 138
7.3.1 分类规则问题描述 138
7.3.2 分类规则后处理算法 140
7.3.3 实验分析 142
7.4 讨论 143
参考文献 144
附录A SDSS DR9和LAMOST DR1的SGPs样本清单 149
附录B LAMOST DR2的E＋A样本清单 159
附录C LAMOST DR2的E＋A样本测光信息清单 163