不断提高光谱分类的精度和识别率是LAMOST光谱数据处理分析工作升级完善的重中之重,为提升LAMOST光谱数据的质量和后续开展相关研究工作奠定了基础。
为了解决这些挑战、进一步提升光谱分类的效率,我们提出可视分析系统SpectrumVA。我们将检查看作以红移和谱线为参数的视觉参数空间分析过程。
专家一方面可以在光谱中刷选几个显著的特征,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。
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。
图6表明,SpectrumVA检查准确率与当前工具持平,检查效率显著提升。此外,设计的“选择-检查-推广”流程获得积极反馈。