赵永恒研究员和北京大学吴学兵教授基于中国郭守敬望远镜(LAMOST)和美国斯隆数字巡天(SDSS)的光谱数据,结合欧洲航天局的X射线牛顿天文望远镜(XMM-Newton)数据、广域红外巡天探测器(WISE)数据及SDSS可见光测光数据,通过交叉证认方法获取了具有不同波段信息的多个已知样本 ...
基于此,研究人员通过机器学习方法构建了适合不同波段样本的最优分类器,为X射线牛顿天文望远镜第九次发布数据(DR9)提供了分类预测和概率。
交叉证认在多波段天文学研究中起着至关重要的作用,是多波段天文数据融合的关键技术和方法。通过对某一天体的多波段证认,可以获得该天体的不同波段信息,进而可以揭露更多的物理本质。
接着,利用机器学习方法针对不同波段的已知样本分别构建了不同的分类器,从中挑选出最优分类器对X射线牛顿天文望远镜DR9数据中的未知源给出了分类预测和概率。
该成果充分体现了机器学习方法在多个大型多波段巡天项目融合数据中的应用价值,其分类结果为进一步细致分析和研究X射线源具有非常重要的科学应用前景。