专家可能会连续遇到不同类别的光谱,因此不得不频繁地切换认知焦点,导致完成分类所需的时间和认知资源大大增加。另一方面,在检查单条光谱时,专家需要根据光谱的整体形状识别相关谱线。
图4:推广阶段的系统界面。
在专家检查完一条光谱后,系统会提取他们的判断标准,即选定的谱线及其重要性,以搜索其他相似光谱。
下半部分显示相似光谱和它们的数量、类型统计和检查进度等信息。
图5:光谱表征算法性能评估。
图6:用户实验结果。
如图5所示,673条光谱的最高得分红移候选对应正确红移(准确率91.69%),并且随着候选红移数量增多,算法准确率持续提升。结果说明了算法和提供多个红移候选策略的有效性。
在检查过程中,系统识别出2,262条极冷矮星,数量符合专家预期。我们还设计了用户实验,以比较SpectrumVA和当前检查工具性能上的优劣并评估系统各部分设计是否有效。