基于DBSCNA聚类算法的成员星推断模型

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-4960-04-03-98448

基于DBSCNA聚类算法的成员星推断模型

陈瑞斌, 曹博文, 杨子钰

, 华北理工大学河北唐山

全文直达

引用

打印

摘要：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：

赫罗图；DBSCAN 聚类算法；k-dist

Universe Scientific Publishing

ISSN：2661-4960

年,卷(期)：2022,4(3)