屠良平
- 作品数：34 被引量：69H指数：5
- 供职机构：辽宁科技大学理学院更多>>
- 发文基金：国家自然科学基金辽宁省普通高等教育本科教学改革研究项目辽宁省教育科学“十二五”规划课题更多>>
- 相关领域：文化科学自动化与计算机技术天文地球理学更多>>
- 基于神经网络的线指数恒星大气物理参数测量方法被引量：3
- 2013年
- 通过人工神经网络的方法基于Lick线指数,来进行大气物理参数的测量,对Kurucz的合成光谱进行预处理以适应最后LAMOST光谱数据的要求,以Lick线指数与对应的大气物理参数为输入,用人工神经网络进行训练,得到训练模型通过DR8光谱数据进行测试,通过调整人工神经网络的相关参数来使实验效果达到最佳。结果证明,通过线指数人工神经网络的方法来进行大气物理参数的测量是可行的。
- 谭鑫潘景昌王杰罗阿理屠良平
- 关键词：人工神经网络
- 一种新的活动星系光谱红移自动测量方法被引量：3
- 2012年
- 星系红移的自动测量对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。星系一般分为正常星系和活动星系两种,活动星系光谱一般具有较明显的发射线特征。文章提出了一种不用精确提取谱线而快速测量活动星系光谱红移的方法。该方法包括步骤:(1)对待测光谱进行去噪;(2)利用小波变换提取低频成分光谱,并用去噪后光谱减去低频谱得到残差谱;(3)计算残差谱的均方差,并保留大于阈值的波长集合(4)根据标准谱线表计算所有候选红移;(5)利用Parzen窗估计方法计算红移密度最大点,并在邻域内求均值确定最终红移。对模拟数据和SDSS DR7部分实测数据的测试表明,该方法是鲁棒的并且具有较高的红移测量正确率。
- 屠良平罗阿理姜斌韦鹏赵永恒刘蓉
- 关键词：活动星系小波变换
- 以学生成长为中心的概率论与数理统计的线上线下混合式教学被引量：2
- 2022年
- 为了实现全程育人、全方位育人的目标,结合概率论与数理统计课程线上线下混合式教学,高校教师始终把立德树人作为出发点,不断提升教学质量和教学效果,最终实现以学生成长为中心的能力提升和综合素质的全面发展。
- 丁桂艳刘昊屠良平郭良栋姜本源
- 关键词：混合教学
- SKLOF：一种新的超新星候选范围约减算法
- 2015年
- 超新星是宇宙学中的"标准烛光",其在星系中爆发的概率很低,是一种特殊、稀少的天体,只有在大量观测的星系数据中才有机会遇到,而正处于爆发期的超新星会照亮其整个星系从而在观测获得的星系光谱中具有较明显的特征。但是,目前已发现的超新星数量相对于大量的天体而言又是非常稀少的,搜寻它们所用的计算时间成为能否进行后续观测的关键,因此需要寻找高效率的超新星搜寻方法。对超新星候选范围进行约减的LOF算法的时间复杂度较高,计算量大,不适用于大规模数据集。为此通过对LOF算法进行改进,提出了一种在海量星系光谱中快速约减超新星候范围的新方法(SKLOF)。首先对光谱数据集中离中心点近的数据点进行数据剪枝,剪掉那些肯定不是超新星候选体的光谱数据对象,然后利用改进的LOF算法计算剩余的光谱数据的孤立性因子并降序排列进行离群搜索,最后获得超新星候选体的较小的搜索范围以便进行后续的证认。实验结果表明,该算法十分有效,不仅在精确度上有所提高,而且相比于LOF算法还进一步缩短了算法的运行时间,提高了算法的执行效率。
- 屠良平魏会明韦鹏潘景昌罗阿理赵永恒
- 基于课程思政教学模式下的《概率论与数理统计》跨校修读学分研究
- 2023年
- 教育网络化、资源共享已成为必然趋势,学生在线学习跨校修读学分课程,依托在线学习平台,充分利用省级精品开放课程资源,让教学资源实现共享,而且推动了课堂教学模式改革。跨校修读学分是新型的教学管理模式,通过线上线下混合式教学实践跨校修读学分,融入课程思政元素的教学,提升学生学习的主动性,提高教师的教学能力水平与教学效果。
- 刘昊丁桂艳屠良平郭良栋胡煜寒
- 关键词：资源共享
- 基于神经网络的恒星大气参数自动测量被引量：2
- 2009年
- 提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力logg和金属丰度[Fe/H]的估计值。首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值。实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度。
- 潘亚春屠良平
- 关键词：人工神经网络数据降维
- 基于Transformer特征提取的A型恒星光谱子型分类算法
- 2023年
- 恒星光谱分类是恒星光谱分析的重要工作之一。我国大型巡天项目LAMOST能够获得海量的恒星光谱数据,为了对海量恒星光谱数据进行高效分类,特别是对恒星光谱子型数据进行分类,需要研究快速有效的恒星光谱自动分类算法。提出一种基于Transformer特征提取的混合深度学习算法Bert+svm(简记为Besvm)实现A型恒星光谱子型的自动分类。该算法将A型恒星光谱26个线指数作为输入特征,应用Bert模型对26个线指数进行更深层次的学习,通过学习26个线指数的内在关联,进而提取到更有利于A型恒星光谱子型分类的特征。提取好的新特征被输入到分类器算法支持向量机(简记为SVM)中,进而对A型恒星光谱的三个子型A1、 A2和A3进行自动分类。此前,SVM算法在恒星光谱分类任务中已经有过应用,一些衍生的SVM算法在恒星光谱分类任务中也有较高的分类正确率。相比从前应用到恒星光谱分类任务的SVM算法,我们的混合深度学习算法受数据的信噪比影响较小,使用低信噪比数据也能有较高的分类正确率,并且所用数据量较少。通过五组实验验证了该算法的有效性和优越性:实验1用来对比选择优秀的核函数,通过光谱数据的匹配实验,最终选择了径向基核函数RBF;实验2对比了Besvm算法和其他四种传统优秀算法的性能指标,验证了Besvm算法的优越性;实验3用来检验Besvm算法的稳定性;实验4分析了数据量对Besvm算法的影响;实验5分析了不同信噪比数据对Besvm算法分类正确率的影响。综合实验结果分析表明,提出的混合深度学习算法Besvm在规模较小且信噪比低的数据集上仍能保持较高的分类正确率。Besvm总体分类错误率在0.01以下,远低于经典传统机器学习算法LDA算法,BP神经网络算法,SVM算法和Xgboost算法的分类错误率0.7, 0.66, 0.65, 0.36.需要说明的是BP神经网络算法的分类正确率过于受限于隐层神�
- 李双川屠良平李馨王莉莉
- 关键词：TRANSFORMERSVM光谱分类LAMOST
- 基于统计窗的恒星连续谱自动拟合方法
- 2012年
- 提出一种基于统计窗的恒星连续谱拟合方法。该方法将恒星光谱划分为若干个统计窗,在每个窗口内根据信噪比选取一定比例的流量点,然后对选出来的流量点进行低阶多项式迭代拟合,从而得到连续谱。实验表明,与其他方法相比,该方法得到的连续谱更接近于实际连续谱。该方法对SDSS中除M外的各种光谱型连续谱的拟合均具有很高的实用性和鲁棒性,对于郭守敬望远镜(LAMOST)先导巡天恒星光谱的连续谱拟合同样具有非常好的效果。
- 潘景昌汪惺惺韦鹏姜斌屠良平罗阿理
- 关键词：恒星光谱连续谱统计窗
- 基于二元PCA特征谱的星系光谱成分快速扣除
- 2010年
- 实际观测天体目标光谱如超新星和活动星系核光谱常常混有寄主星系成分,这对目标天体光谱的类别和性质证认识别会造成困难。文章提出了一种快速有效的称为二元PCA特征谱分解的星系扣除算法。该算法首先计算了星系样本模板库和超新星样本模板库各自的PCA特征光谱,然后对特征光谱组通过正交变换得到混合空间的一组标准正交基,进而利用混合光谱在该标准正交基上的分解系数计算该光谱在原特征光谱组的分解系数,获得星系超新星混合光谱的快速分解,系数计算也可通过SVD矩阵分解得到,但计算效率较低。实验表明,该方法优于常用的直接PCA投影重构分解方法,与另一种χ2模板拟合方法扣除星系成分相比,在保持分解效果基本不变的前提下,时间消耗则大大降低,从而使该方法可应用到大规模光谱数据处理中。
- 屠良平吴福朝罗阿理赵永恒
- 关键词：主成分分析正交变换
- 基于质量估计的恒星大气参数的自动测量
- 2015年
- 近些年海量恒星光谱数据的获取使得恒星三个基本参数(表面有效温度Teff,表面重力log g,金属丰度[Fe/H])的自动测量方法研究成为一个重要的研究课题,相应对恒星大气物理参数测量的研究将对科学家研究宇宙演化等重大科学问题具有重要的意义。但是目前国内外针对此问题所做的研究并不是很广泛深入,且已有的一些方法还不能够完全准确地估计出恒星的大气物理参数。因此本文研究了一种基于质量估计的恒星大气物理参数自动测量方法,该方法计算量比较小,其主要思想是首先建立一些质量分布,将原始光谱数据经过质量估计算法映射到新的质量空间,然后在质量空间利用支持向量机回归对恒星的三个基本物理参数进行估计。在实验中,从SDSS-DR8光谱数据库中选择部分实测光谱数据来进行训练和测试,并将该方法预测出的参数结果与SSPP给出的参数值进行了对比,取得了比较理想的结果。实验结果表明,该研究方法的准确率更高,预测结果更稳定,训练所用的时间短,在恒星大气物理参数自动测量上是行得通的,可以有效地测量恒星的大气物理参数。
- 屠良平魏会明罗阿理赵永恒
- 关键词：恒星光谱参数测量
