流形判别分析和支持向量机的恒星光谱数据自动分类方法

Ｊ ａ ｎ ｕ ａ ｒ ｙ ，２ ０ １ ４
流 形判 别 分 析 和 支持 向量 机 的恒 星 光谱 数 据 自动分 类 方 法
刘忠宝 ，王召 巴 ， 赵 文娟。
１ ．中北大学计算机与控制工程学 院，山西 太原 ３ ．山西大学商务学 院信息学 院，山西 太原 ０ ３ ０ ０ ５ １
级 数＿ ８ ］ ； 李 乡儒 等提出基于最近邻方法 的类 星体 与正常星 系
收稿 日期 ： ２ ０ １ ３ — ０ ３ － ２ ８ 。修订 日期 ：２ ０ １ ３ — ０ ６ － ２ ８
基 金项 目： 国家 自然科学基金项 目（ ６ １ ２ ０ ２ ３ １ １ ） 和山西省高等学校科技创新项 目（ ２ ０ １ ３ １ １ １ ２ ） 资助 作者简 介： 刘忠宝 ， １ ９ ８ １ 年生 ， 中北大学计算机与控制工程学院博士研究生
数据 的 自动分类方 法实现未知天体的识别成为 当今天文界的
研究 热 点 之 一。 支 持 向 量 机 （ ｓ ｕ ｐ ｐ ｏ ｒ ｔ ｖ ｅ ｃ ｔ ｏ ｒ ｍａ ｃ ｈ ｉ ｎ ｅ ， Ｓ ＶＭ） ［ １ ３ ］ 是一种经典 的模式分类方法 ， 具有稳 定 的分类 性能
和优 良的泛化能力 ， 因而备受 中外学者 的推崇 并广泛应 用于 光谱分析 、 信息检索 、 机 器学 习等领域 。 但Ｓ ＶＭ 易受到输入 数据仿射或伸缩等变换 的干扰 ， 其原 因是该方 法进行分 类决 策时只考虑类 间的绝对 间隔而忽 略各类 的分布性 状。与 此同
第３ ４ 卷 ， 第１ 期 ２ ０ １ ４年 １月
光
百度文库
谱
学
与
光
谱
分
析
Ｖｏ １ ． ３ ４ ， Ｎｏ ． １ ， ｐ ｐ ２ ６ ３ — ２ ６ ６
Ｓ ｐ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ ａ ｎ ｄ Ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ 。 Ａｎ ａ ｌ ｙ ｓ ｉ ｓ
，
也是恒星和星系天文学 的一个重要 研究方 向。随着 光谱
数据规模 的不断增大 ，传统 的数 据处 理方 式变得 无 能为力 ， 迫切需要提 出计 算机 自动光谱处理新技术 。 近些年 ， 光谱数据 自动分类 问题逐 渐成为 国外学者 的研
究热点 ，一些重要 的研 究成 果不 断涌现 ：在 国外 ，Ａｕ ｔ ｏ ｃ ｌ ａ ｓ ｓ 是一种基 于贝叶斯统计 的分类方法 ， 其 最大特 色在于可 以发
光度敏感 的光谱 中选 择线一 强指数 集进 行训 练实 现对 低信 噪 比的光谱 有效分类 ＿ ６ ； Ａｄ ａ ｍ通过 选择 高质 量 的光谱源实现
对 光谱数据 的有效分类『 ７ ］ 。在 国内，罗 阿理 在 Ｓ ｔ ｒ ａ ｃ ｋ方法 的 基 础上利用多尺度小波滤 波器 自动确定小波变换 的最大变换
引 言
恒 星光谱数据分类是天体数据分析 与处理 的主要任务之
一
增量式学 习和并行实现 ； Ｌ ｉ 等将 面 向光谱数据 的局部特征分 类方 法在计算 机视觉 中成功应用［ ｇ ；覃冬梅等提 出一种新颖 的基 于主成分分析和支持 向量机 的光谱分 类方法 ；刘 中田等
提 出基 于小波 特征的 Ｍ 型星 自动识别 方法＿ １ 阳； 许 馨等提 出
现一些新 的光 谱类 型＿ １ ；Ｇ ｕ ｌ ａ ｔ ｉ 等利用 两层 Ｂ Ｐ神经 网络 对 恒星光谱次 型进 行分 类＿ ２ ；Ｊ ｏ ｎ ｅ ｓ 在 进行光 谱次 型分 类 时利 用多个 Ｂ Ｐ神 经网络［ ３ ；Ｓ ｔ ａ ｒ ｃ ｋ将 小 波变换 方法 应用 在光 谱
分析 中＿ ４ ；Ｍａ ｈ ｄ ｉ 提出基于无监督人 工神经 网络 的 自组织 映
和基于流形 的类 间离 散度 Ｍｅ 。所提方法找 到的分类 面 同时保证 Ｍｗ最小 且 Ｍｅ最大 。可建立相 应最优化 问
题， 然后将原 最优化问题转化为 ＱＰ对偶形式求得支持 向量 和判别函数 ， 最后利用判别 函数 判断测试样本 的 类属 。 该 方法的最大优势在于进行分类决策 时 ， 不仅考虑样 本的类间信息和分布特征 ，而且还保持 了各类 的 局部流形结构 。Ｓ ＤＳ Ｓ恒星光谱数据上 的比较 实验表明该方法的有效性 。
适应增强方法 实现 实现 光谱 自动分类 ［ １ 妇；蔡 江辉 等提 出 的 基于谓词逻辑 的分类 规则后处理方法在保证分类准确率不降
低的前提下大 幅提 高了 自动分类的效率＿ １ 。 由于人类对宇 宙的认识 还相对匮乏 ，如何 利用 面向光谱
射算法 ， 其 最大特色在于不需要训练数据 便可直 接对光谱进 行分类＿ ＿ ５ ］ ；Ｎ ａ ｖ ａ ｒ ｒ ｏ 等提 出的人 工神经网络系统通过 在温度 、
基于广义判别 分析的光谱分类方法 ， 该方 法通过非 线性映射 将样本 映射 到高维空间并利用线性判别分析方法实现光谱分
类 ；杨金福等提 出核覆盖算法 ，该方法 将核技 巧与覆 盖算法
相结合 ，通过在特征空 间抽 取支 持 向量 实现 光谱 自动分 类 ；
赵梅芳等针对 活动星系核光谱 中发射线 的不 同特征 ，采用 自
２ ．中北大学信息 与通信工程学 院， 山西 太 原 ０ ３ ０ ０ ５ １
０ ３ ０ ０ ３ １
摘 要
尽 管经 典的分类 方法支持 向量机 Ｓ ＶＭ 在 天文学领域广泛应用 ， 但其 只考 虑类 间的绝对间隔而忽略
类 内的分布性状 ， 因而分类性能有待 于进一步提升 。 鉴 于此 ， 提 出一种新颖 的基于流形判别分析和支持 向量 机 的恒星光谱数据 自动分类方法 。 该 方法 引入流 形判别 分析 的两个 重要概念 ： 基 于流 形 的类 内离散度 Ｍｗ
关键词 自动分类 ；恒星光谱数据 ；流形判别分析 ；支持 向量机 中图分类号 ：Ｔ Ｐ ３ ９ １ 文献标识码 ： Ａ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ４ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ０ ５ ９ ３ （ ２ ０ １ ４ ｝ ０ １ — ０ ２ ６ ３ — ０ ４ 光谱 分类 方法 ， 其最大优势 在于无需 对分类器训 练便可实现