基于Fisher 判別分析的有監督特征提取和星系光譜分類

摘　要　隨著天文觀測技術的進步、數據獲取能力的提高和大型光譜巡天計劃的相繼實施, 光譜數據的自動處理研究越來越受到重視和關注。文章在分析了文獻中光譜自動分類研究的特點和無監督特征提取方法所固有的一些不足的基礎上指出了光譜有監督特征提取研究的必要性。并重點研究了Fisher 判別分析(FDA) 有監督特征提取方法在星系光譜自動分類中的應用。該方法: (1) 具有突出的維數約減能力; (2) 能有效地融合訓練數據的類別信息, 并按照分類能力提取特征。實驗表明, 將FDA 方法用于某些星系細分類不僅明顯地提高了分類器的速度, 而且具有良好的分類性能。因此, 對于較大的光譜識別系統更能體現出該方法的優越性。