Journal | [J] 教育研究 Volume 4, Issue 3. 2022.
基于DBSCNA聚类算法的成员星推断模型
作者 : 陈 瑞斌, 曹 博文, 杨 子钰
摘要 / Abstract
毕星团位于金牛座,是距地球最近的疏散星团。其成员星在 300 个以上,有多颗肉眼可见的亮星。依据依巴谷卫星的观测数据,可以相当高的精度测量相关各星的距离和运动情况,以对毕星团进行更加精确的研究。本文通过探究毕星团区别与其他星团的不同特征,对数据集中的数据进行研究和分类,确定了毕星团的成员星,并绘制出了赫罗图。 先根据利用普森公式计算绝对星等,以色指数和绝对星等为轴完成了第一次赫罗图的绘制。考虑到恒星的分类与其在三维空间中的位置有关,由数据集中的赤经、赤纬和视差距计算得到了全部恒星在三维空间中的位置图,查阅资料了解到毕星团为球状星图,推测图中的散点密集处即为毕星团的位置。由此,用 k-dist 确定邻域参数,利用基于密度的 DBSCAN 聚类算法求出聚类中心。利用聚类中心再次对数据集进行二次筛选,建立分类模型,最终确定了毕星团的成员星及其赫罗图。
关键词 / Keywords
赫罗图;DBSCAN 聚类算法;k-dist
《中国学术期刊(光盘版)》电子杂志社有限公司 KDN平台基础技术由KBASE 11.0提供