天文學(xué)專(zhuān)業(yè)論文提綱
天文學(xué)的研究對(duì)于我們的生活有很大的實(shí)際意義，對(duì)于人類(lèi)的自然觀有很大的影響。古代的天文學(xué)家通過(guò)觀測(cè)太陽(yáng)、月球和其他一些天體及天象，確定了時(shí)間、方向和歷法。這也是天體測(cè)量學(xué)的開(kāi)端。下面是小編整理的天文學(xué)專(zhuān)業(yè)論文提綱，歡迎閱讀。
摘要：跟著年夜型光學(xué)千里鏡的精度和深度賡續(xù)進(jìn)步，特殊是巡天千里鏡的成長(zhǎng)，地理光學(xué)波段的數(shù)據(jù)急劇增長(zhǎng)，成為摸索各類(lèi)天體和地理景象的物理實(shí)質(zhì)的強(qiáng)無(wú)力兵器。面臨地理學(xué)“數(shù)據(jù)雪崩”和“信息爆炸”時(shí)期的到來(lái)，為懂得決地理數(shù)據(jù)的龐雜性、非線(xiàn)性、海量性和多波段性等一系列成績(jī)，借助數(shù)據(jù)發(fā)掘技巧來(lái)摸索隱蔽在數(shù)據(jù)中的有效信息勢(shì)在必行。在此配景下，若何敏捷精確地從這些海量數(shù)據(jù)中發(fā)掘出所須要的信息，已成為地理學(xué)不雅測(cè)和數(shù)據(jù)處置的一個(gè)癥結(jié)成績(jī)，直接影響著地理學(xué)成長(zhǎng)和研討過(guò)程。本文應(yīng)用一些合適于地理數(shù)據(jù)特色的數(shù)據(jù)發(fā)掘技巧和辦法，重要是應(yīng)用聚類(lèi)算法對(duì)天體的主動(dòng)分類(lèi)和尋覓出特別天體的義務(wù)。任務(wù)重要包含以下三部門(mén)(1)基于主動(dòng)聚類(lèi)算法的恒星/星系分類(lèi)主動(dòng)聚類(lèi)算法(AutoClass)是基于貝葉斯模子肯定最優(yōu)種別的經(jīng)典混雜模子的非監(jiān)視聚類(lèi)辦法。它對(duì)處置非線(xiàn)性和高維數(shù)據(jù)有很高的效力。運(yùn)用AutoClass對(duì)SDSS巡天的恒星/星系停止主動(dòng)分類(lèi)，依據(jù)點(diǎn)源和展源的分歧特點(diǎn)表示，選擇應(yīng)用了PSF(pointspread function，點(diǎn)分散函數(shù))星等和模子星等在五個(gè)波段的差值作為輸出參數(shù)，并設(shè)置了適合的尺度，從而取得公道的分類(lèi)成果，對(duì)恒星和星系的分類(lèi)準(zhǔn)確率分離到達(dá)了99。51%和98。52%，注解AutoClass算法對(duì)此類(lèi)數(shù)據(jù)聚類(lèi)有很好的效力。(2) SDSS巡天的恒星樣本摸索目標(biāo)是摸索SDSS恒星樣本，找出個(gè)中的非恒星天體或特別天體，從而樹(shù)立一個(gè)純的`恒星樣本。我們對(duì)SDSS巡天中具有光譜不雅測(cè)的恒星的測(cè)光數(shù)據(jù)運(yùn)用AutoClass停止聚類(lèi)剖析，獲得991個(gè)離群天體。然后將這些離群數(shù)據(jù)在NED和SIMBAD中認(rèn)證，關(guān)于已證認(rèn)的，發(fā)明它們絕年夜多半屬于特別天體，精確率高達(dá)90。7%，而關(guān)于未證認(rèn)的，愿望在更年夜口徑更高精度的千里鏡中證認(rèn)，也許會(huì)發(fā)明一些風(fēng)趣的天體或景象。(3)星系形狀分類(lèi)星系是組成宇宙的構(gòu)成單位，而形狀是它的根本特征。星系形狀的研討是懂得星系物理屬性的重要步調(diào)。這里依據(jù)地理學(xué)的義務(wù)將星系分紅早型星系和晚型星系兩類(lèi)。運(yùn)用SDSS巡天的星系測(cè)光數(shù)據(jù)，基于五個(gè)星等和四個(gè)色彩的多組參數(shù)，參考分歧的分類(lèi)尺度，研討了將AutoClass和k一means兩種算法用于星系形狀的主動(dòng)分類(lèi)。研討成果注解豈論對(duì)AutoClass照樣k一means而言，發(fā)明基于色彩的分類(lèi)后果顯著高于基于星等的后果;AutoClass和k一means的分類(lèi)效力相當(dāng);與純真地基于單參數(shù)的星系分類(lèi)比擬，主動(dòng)化算法具有高效性、靈巧性、可以或許處置高維數(shù)據(jù)等長(zhǎng)處。在數(shù)據(jù)日趨豐碩的時(shí)期，主動(dòng)化聚類(lèi)算法將愈來(lái)愈顯示出其優(yōu)勝性。
中文摘要 4-6
英文摘要 6-7
1緒論 12-18
1.1引言 12
1.2數(shù)據(jù)挖掘的概念 12-14
1.3數(shù)據(jù)挖掘的主要內(nèi)容 14-18
1.3.1數(shù)據(jù)挖掘的對(duì)象 14
1.3.2數(shù)據(jù)挖掘的分類(lèi) 14-15
1.3.3數(shù)據(jù)挖掘的模式類(lèi)型 15
1.3.4數(shù)據(jù)挖掘的方法 15-18
2聚類(lèi)算法 18-26
2.1聚類(lèi)的定義 18
2.2天文學(xué)中對(duì)聚類(lèi)算法的要求 18
2.3聚類(lèi)過(guò)程 18-19
2.4聚類(lèi)算法的分類(lèi)和原理 19-21
2.5聚類(lèi)算法的應(yīng)用 21-24
2.6聚類(lèi)算法比較 24
2.7總結(jié) 24-26
3Sloan數(shù)字巡天和交叉證認(rèn)工具 26-33
3.1Sloan數(shù)字巡天 26-31
3.1.1Sloan巡天計(jì)劃 26-27
3.1.2SDSS數(shù)據(jù)釋放 27-29
3.1.3SDSS觀測(cè)樣本 29-30
3.1.4SDSS的研究成果 30-31
3.2交叉證認(rèn)工具 31-33
3.2.1SIMBAD天文數(shù)據(jù)庫(kù) 31-32
3.2.2NED河外星系數(shù)據(jù)庫(kù) 32
3.2.3TOPCAT交叉證認(rèn)工具 32-33
4恒星/星系分類(lèi) 33-39
4.1恒星/星系分類(lèi)的意義 33
4.2自動(dòng)聚類(lèi)算法AutoClass 33-35
4.3AutoClass應(yīng)用于恒星/星系分類(lèi) 35-37
4.4結(jié)論 37-39
5用AutoClass探索SDSS恒星數(shù)據(jù)庫(kù) 39-49
5.1課題的意義 39
5.2恒星樣本和參數(shù)選擇 39-40
5.3結(jié)果和討論 40-48
5.3.1結(jié)果 40-47
5.3.2討論 47-48
5.4結(jié)論 48-49
6星系形態(tài)分類(lèi) 49-62
6.1哈勃星系形態(tài)分類(lèi)及其改進(jìn) 49-51
6.1.1哈勃分類(lèi)法 49-50
6.1.2deVaucouleurs分類(lèi)法 50
6.1.3Yerkes分類(lèi)法 50-51
6.1.4DDO分類(lèi)法 51
6.2星系的演化 51
6.3星系形態(tài)分類(lèi)標(biāo)準(zhǔn) 51-53
6.4SDSS星系樣本分析 53-56
6.4.1樣本的選擇 53-54
6.4.2星系的星等分布和顏色分布 54-56
6.5k-means算法 56-57
6.6星系形態(tài)的自動(dòng)分類(lèi) 57-60
6.7結(jié)論和討論 60-62
結(jié)論 62-64
參考文獻(xiàn) 64-69
后記 69-70
【天文學(xué)專(zhuān)業(yè)論文提綱】相關(guān)文章：
廣告專(zhuān)業(yè)論文提綱01-05
歷史專(zhuān)業(yè)論文提綱06-19
中文專(zhuān)業(yè)論文提綱07-10
文秘專(zhuān)業(yè)論文提綱07-10
金融專(zhuān)業(yè)論文提綱07-11
體育專(zhuān)業(yè)論文提綱07-11