• 面对天文领域日益增长的大数据集和大数据流,迫切需要相应的先进分析和可视化方法。 光谱分类识别一直是天文学家研究的基础问题,也是LAMOST巡天计划的一项重要任务。
    尽管自动方法的性能越来越好,由于光谱数据的复杂性,人类专家视觉检查对于保证分类准确性仍然至关重要。 专家在视觉检查时需要面对整体过程和单条光谱检查两个方面的挑战。
    另一方面,如果要检查光谱由两种自动方法确定的类型相同,那么该条光谱被正确分类的可能性较大。反之,它的分类可能存在错误,需要仔细检查。红移和重要谱线的选择主要通过右侧视图完成。
    专家一方面可以在光谱中选几个显著的特征,系统会自动识别其中的谱线和对应的红移。另一方面,系统展示不同红移下所有谱线的整体重要性。整体重要性较高的红移可能对应真实红移。
  • 5、大赛组委会对恶意票保留处理权力。   即日起登陆中国数字科技馆大赛官方投票页面即可投票。 https://www.cdstm.cn/subjects/observatory ...
  • 这是“Fast generation of mock galaxy catalogue with COLA”一文中所用到的数据集,包括BOSS CMASS NGC星系的模拟星表和暗物质粒子模拟直接输出的暗物质晕表。
  • 此星表的共生双星候选体是用机器学习的方法得到的。
  • 为保证印后的清晰度,将着陆点文字的颜色改为紫色白边,并在地图右下角加上了颜色说明。 月面地图可以用来做什么? 1.
    如果大家有兴趣,也欢迎帮忙校对地图,校对方法可见“校对说明”文档。校对后如果发现问题,可与我们联系。
  • 机会难得,快来提交您的问题吧: 在微信后台留言 发送邮件至:wwt-helpdesk@nao.cas.cn ...
  • 近期,太原科技大学屈彩霞、杨海峰、蔡江辉等人利用LAMOST光谱数据开展了双峰轮廓识别与质量评估方法的研究,提出了一套针对LAMOST光谱数据特征的稀有特征提取、特征表征、特征识别及质量评估的技术框架。
    这些复杂多样的特征极大地增加了从海量数据中搜寻双峰发射线轮廓光谱的难度,因此目前主要的方法仍然依赖于繁重的人眼检查。
    该技术框架在保证完备性的前提下,可以实现50%以上的双峰轮廓自动化识别,大幅减少了人眼检查工作;随着光谱数据量的增长,该技术框架具有比传统模板匹配方法更快的自动搜寻速度,同时可以为物理分析提供统计学依据 ...
  • 投稿日期:2020年5月13日—2020年7月15日 投稿方式:1.微信后台留言 2.发送邮件至:tours2019@nao.cas.cn 别再犹豫,快快分享你们的故事吧 ...
  • 近日,国家天文台白宇副研究员、刘继峰研究员基于LAMOST和SDSS数据库,利用机器学习的方法,开发天体分类器和恒星温度回归器,并把天体分类器应用到最新发布的Gaia DR2星表,揭示了Gaia DR2 ...
    近几年,科学技术进步推动的天文数据呈现指数增长,天文大数据时代已经到来。科学家们曾经使用的光谱分类方法,难以应对十亿计的测光巡天数据。
    曾经使用的多色分类方法,也随着颜色的增多而变得非常复杂,无法给出函数表达式,分类准确率低,污染严重。
    然而,二十世纪中叶发展起来的机器学习方法,能够有效的探测多维参数空间中隐藏的规律,帮助天文学家进行决策和预测。它的核心思想是教会计算机通过“经验”,而不是判据,对未知数据进行判断。
    首先,科研人员合并LAMOST和SDSS的光谱分类结果;其次,结合可见光和红外巡天数据,获取这些天体的多色数据库;再次,测试不同的机器学习方法,找出效率最高的算法并开发天体分类器,通过不同巡天数据对分类器进行盲测 ...
  • 随着现代科技发展,天文观测能力和科学数据量高速增长,现代天文学研究必须要有成体系的天文信息技术与平台支撑,为此天文学界和信息科学界共同提出了“虚拟天文台”计划。
    提出观测设备时间申请分配标准化流程与可扩展框架,解决了观测设备之间的数据安全隔离问题;以基于图论的优化方法解决了大型观测设备切换观测目标的调度问题;提出基于天区划分索引的原位检索方法,解决了海量天文图像时序数据子集的高效获取问题 ...
    3)创新多波段天文数据融合技术方法
    提出支持大规模分布式并行的天文交叉证认计算与数据布局优化方法;提出快速邻域编码计算算法解决证认计算边界漏源问题;提出基于贝叶斯假设推断方法,使用直线非对称模型对非点源星表进行交叉证认。
  • 但21世纪以来天文观测数据量呈爆发式增长,对以千万计的星系样本进行形态分类是一个具有巨大挑战性的任务。
    随着天文观测技术的发展,我们能够观测到的星系数目也在飞速增长。这在为天文学家们提供了进一步研究星系的机会的同时,也对数据处理的效率提出了挑战。
    通过全民科学的方法,该项目以斯隆数字化巡天(SDSS)提供的约一百万个星系图像为基础,仅在开始运行的一年内就收到来自超过15万名志愿者的超五千万条星系分类结果,为大量基于星系进行的天文学研究提供了坚实可靠的数据基础 ...
    点击主页导航栏“教程”按钮,可了解该项目的背景与基本操作方法,在“已知范例”栏目中列出了每个星系类别的多个正反面图例,参与者可对照图例进行判断。
    图5 个人中心 参与项目你将在科学图像中领略宇宙的神奇与美丽,加深对星系这一概念的理解与认识,学习科学研究的方法与思路,亲身参与对前沿奥秘的探索,赢得全民科学项目专属精美纪念品。
  • 随着国内近年来科学观测设备的发展,国产天文数据的增长速度越来越快。对科研人员来说,高效的科研数据管理也越来越复杂。
    学员们认为通过这次技术讲解与实践相结合的培训,熟悉了天文数据的归档流程,天文数据库使用方法,很有助于今后工作中天文数据使用效率的提高。
  • 软件下载方法: 您可以前往大赛官网(https://nadc.china-vo.org/events/tours2022/),在“活动首页”最下方或“常见问题& ...
    如果您在使用的过程中遇到任何问题,欢迎随时发邮件或通过微信后台留言与我们联系(wwt-helpdesk@nao.cas.cn)。
  • 随着国内外大型天文观测计划的不断涌现,天文数据量的快速增长,在天文研究中越来越广泛地应用并行处理程序。
    崔辰州研究员主持开班仪式   天津大学计算机学院副院长于策副教授为学员讲授了高性能并行计算基础知识,并行计算优化方法等基础知识,并列举了天文数据处理中的许多实际问题。
  • 公众无需任何专业基础,只需经过简单学习便可掌握操作方法。参与者将在过程中更深入地了解引力透镜相关知识,同时也能够帮助科学家更好地开展相关研究。
    点击主页导航栏“教程”按钮,可了解该项目基本操作方法,在“已知目标”栏目中列出了多个引力透镜的图例,参与者可对照图例进行判断。
    随着参与的深入,在这个过程中你将逐渐掌握科学研究的方法、技能,养成科学思维,学会科学地分析问题、解决问题。
    欢迎通过项目留言板与天南海北的同好一起分享你的发现心得和趣事,如果对项目有任何的意见或建议也欢迎在这里提交反馈。 那么,你还在等什么?今天就成为引力透镜搜寻项目的伙伴,一起探索更广阔的未知吧!
  • 微信后台留言 NADC官网“联系我们”栏目提交问题 发送邮件至:wwt-helpdesk@nao.cas.cn 大赛官网:https://nadc.china-vo.org ...
  • 图5:培训主页二维码 今后,国家天文科学数据中心将继续推进与天文数据处理及应用相关的培训与科普活动,欢迎各位老师和同学通过留言积极与我们展开交流互动,或投稿分享您的培训心得。
  • 传统的成员识别方法通常假定星团成员有相同的运动学信息和相同的演化趋势。 层次聚类方法不需要事先假设,这对于探索星团的边界有很大优势。
    层次聚类方法可以实现小行星族的分类并识别其动力学演化,也可以用于X射线天体光谱分类和系外行星分类。对星系的空间形态的分类结果和人工标注结果大致吻合。
    层次聚类方法和相关矩阵联合使用,可以揭示多元变量间的相关关系。 图5 模拟星系属性之间的相关矩阵聚类热图.红色为正相关, 蓝色为负相关.
    随着新一代天文设备的陆续建成,待分析的数据量大幅增长,层次聚类算法也将会在天文学研究中发挥更大的作用。
  • 这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码,代码已经应用于一个商用卫星的数据处理任务中,并且展示了比较好的结果。
  • 这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码,代码已经应用于一个商用卫星的数据处理任务中,并且展示了比较好的结果。
  •  
我们使用cookies为您提供更好的体验。继续使用本网站,即表示您同意按照我们的Cookie 政策使用cookie。
接受