基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力log g和金属丰度[Fe/H]的估计值.首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值.实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度.     

从海量星系光谱中搜索超新星候选光谱

完善了一种在海量星系光谱中快速搜索超新星光谱的方法.该方法主要包括五个步骤,第一,光谱的预处理,包括去噪、退红移等处理过程;第二,对每一条光谱进行星系成分和超新星成分的快速分解,并计算本文定义的超新星统计特征描述向量;第三,样本约减,即利用基于局部孤立性因子的离群搜索算法对海量光谱数据样本进行约减;第四,对约减后的结果与所有模板进行交叉相关匹配,根据匹配结果及相应参数获得初步的超新星候选光谱;第五,人工排除,即根据超新星光谱明显的谱线特征排除一些误匹配结果,最终得到特征相对明显的超新星候选光谱.根据上述方法,对选自美国斯隆数字巡天第七期释放数据(SDSS-DR7)的具有较高信噪比的294843条星系光谱进行搜索,获得了36条含爆发超新星的星系光谱侯选,其中9个为本文首次发现并报告,15个已以快报形式被本文作者公开报告,另外12个为已发现并公开命名的超新星光谱.根据最匹配模板的类型,24个未命名的超新星候选光谱包括20个Ia型,3个Ic型和1个II型样本.     

基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力logg和金属丰度[Fe/H]的估计值。首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值。实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度。     

一种基于CNN和RF的恒星大气参数测量方法

随着LAMOST项目的相继实施,基于光谱的恒星大气参数自动测量方法的研究成为天文光谱分析的重要课题之一。本文使用“伪二维光谱”进行恒星大气参数自动测量,提出了卷积神经网络（Convolutional neural network,CNN）和随机森林（Random Forest,RF）结合的方法,利用卷积神经网络的特征提取能力和随机森林的回归拟合能力实现对恒星大气参数的高精度预测。通过对比实验得出,有效温度、表面重力、化学丰度三大参数的平均绝对误差分别达到123.65K、0.2055dex、0.1486dex,与传统方法相比精度提升5.24%,15.50%,15.52%。实验结果验证了该算法的有效性,也证明了利用基于一维光谱设计构造的伪二维谱可以保留更多相关的特征信息,进而提升了恒星大气参数测量结果的精度。     

一种基于投影法和形态学梯度的车牌定位算法

车辆牌照自动识别系统的研究与开发是现代交通控制管理系统中备受关注的问题,而车牌定位又是车牌识别的关键.在分析和研究目前有代表性的车牌定位算法的基础上,提出了一种基于投影法和形态学梯度的车牌定位算法,49个原始图像的实验结果表明,正确分割率由传统方法的91.84%提高到97.96%.     

数学建模竞赛活动与大学生综合素质培养

大学生数学建模竞赛活动已经成为大学生们参与的一项重要的课外科技活动,参加数学建模竞赛显然能使学生体会到数学的许多实用价值,培养学生运用数学知识并借助计算机技术去解决实际问题的能力,逐步提高学生的数学素质、创新能力和综合素质。     

电子设备制造业科技投入与经济增长的灰色相对关联度分析

以电子设备制造业为研究对象,使用了灰色相对关联度分析方法,以2003年到2009年的工业总产值、R&D人数和R&D经费支出数据为依据,分析了电子设备制造业科技投入与经济增长的相关关系。通过数据分析得出,电子设备制造业的R&D人数和R&D经费支出均与其经济增长有正相关关系,R&D经费支出对其经济增长有着更为重要的促进作用。     

一种基于投影法和形态学梯度的车牌定位算法

车辆牌照自动识别系统的研究与开发是现代交通控制管理系统中备受关注的问题,而车牌定位又是车牌识别的关键.在分析和研究目前有代表性的车牌定位算法的基础上,提出了一种基于投影法和形态学梯度的车牌定位算法,49个原始图像的实验结果表明,正确分割率由传统方法的91.84%提高到97.96%.