北京大学智能学院袁晓如课题组与国家天文台展开跨学科合作,研究设计了一个结合自动分析与人工用户参与决策的交互式光谱分类检查可视分析系统,在保证分类准确率的同时显著提高分类效率。
用户的探索遵循“选择-检查-推广”的工作流程,分别用来选择一条光谱及其可能的红移和谱线、确定选中光谱的红移和类型以及根据已检查的光谱搜索相似光谱。
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。
图6:用户实验结果。
在评估阶段,我们以734条专家检查过的极冷矮星(ultracool dwarfs)为参考光谱,从LAMOST DR7 11,741条晚型M型星中挑选出更多的极冷矮星。
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。参与者使用SpectrumVA和当前工具分别检查300条光谱并填写问卷。