分类: 天文学 >> 天文学 提交时间: 2023-03-13 合作期刊: 《天文研究与技术》
摘要: 提出了一种基于Xception结构的天体目标自动分类算法,该算法可有效应用于星系、恒星和类星体的自动分类问题。算法以Xception为基础框架,通过选择最优激活函数,加入注意力机制等方式进行改进。随机选择SDSS-DR16测光图像数据中的11543个星系、10490个类星体和11967个恒星共34000个观测源g,r和i的3个波段的图像作为实验数据,并设计多组实验进行算法验证和测试,综合分析所有实验结果得出本文算法在准确率、精确率、召回率和F1分数等关键指标分别达到了90.26%,90.01%,89.86%和89.85%。相同数据集与其他13种经典和流行的卷积神经网络(Convolutional Neural Network, CNN)算法的实验测试结果对比表明,本文提出的Xception-AS算法具有更加优异的分类性能,证明本文算法在解决天体目标自动分类问题具有优越性。