基于CNN與LSTM復(fù)合深度模型的恒星光譜分類算法

摘要： 恒星光譜分類是天文學(xué)領(lǐng)域中非常重要的研究方向。隨著科技的迅猛發(fā)展，大型巡天望遠(yuǎn)鏡采集的恒星光譜數(shù)據(jù)已經(jīng)達(dá)到了TB或甚至PB級(jí)別，傳統(tǒng)的分類方法已經(jīng)無法滿足如此龐大數(shù)據(jù)量的處理需求。正確分類光譜對(duì)于研究恒星的物理性質(zhì)以及演化過程具有重要意義。CNN通過卷積運(yùn)算學(xué)習(xí)數(shù)據(jù)的局部特征，去除冗余信息，并通過最大池化運(yùn)算對(duì)特征進(jìn)行壓縮。然而，由于原始CNN模型的全連接層缺乏長距離依賴挖掘的...