基于深度信念网络的LAMOST恒星光谱分类研究

］恒星光谱分类是光谱分析的一种重要方法，是天体光谱数据挖掘的重要内容。针对从 LAMOST（the Large Sky Area.Multi-Object Fiber Spectroscopic Telescope）Data Release 5（DR5）选取出的33 000条F、G和K型3种恒星光谱数据，采用一种基.于深度信念网络的恒星光谱分类方法，通过在训练过程中对恒星光谱数据进行分层特征学习，从而建立深度信念网络模型。.最后对此模型进行恒星光谱分类测试，得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98，从而验证了该模型对.这3种恒星光谱的正确性，分类精确率较高，对海量天体光谱数据的处理有着重要意义。