CN109102022B

CN109102022B - 一种基于支持向量机的光变曲线分类方法

Info

Publication number: CN109102022B
Application number: CN201810914812.5A
Authority: CN
Inventors: 袁慧宇; 杨远贵; 赵娟; 戴海峰
Original assignee: Huaibei Normal University
Current assignee: Huaibei Productivity Promotion Center
Priority date: 2018-08-13
Filing date: 2018-08-13
Publication date: 2020-07-03
Anticipated expiration: 2038-08-13
Also published as: CN109102022A

Abstract

本发明公开了一种基于支持向量机的光变曲线分类方法，包括：步骤10）采集光变曲线数据与光变曲线类型；步骤20）对采集的光变曲线数据进行预处理；步骤30）根据预处理后的光变曲线数据，构建待分析数据集，并将所述数据集分为训练集和测试集；步骤40）设置支持向量机的核函数和惩罚系数,利用构建的训练集训练初始分类模型，得到训练后的分类模型，并利用构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型；步骤50）利用最终的分类模型对光变曲线进行分类。该方法对噪声信号具有较强的抗干扰能力，分类更加准确，同时能检测出异常的光变曲线类型。

Description

一种基于支持向量机的光变曲线分类方法

技术领域

本发明涉及天文数据观测与分析领域，具体来说，涉及一种基于支持向量机的光变曲线分类方法。

背景技术

长期以来，天文学研究途径在光学波段主要有光谱和图像两种。传统的研究方式为人工选择若干个目标，跟踪拍摄，数据处理和分析。这种研究方式效率较低，天文界长期处于数据匮乏状态。在信息与计算技术等新兴科技的驱动下，天文学研究领域已从传统的少目标观测和手工处理数据模式转向数据密集型时代，大量的巡天项目开展为天文学研究提供了大量的数据，如ROTSE、ASAS、SuperWAS、MACHO、OGLE、SDSS、LAMOST、和Kepler等。这些项目均利用电脑自动化技术，在观测完成后实时进行数据处理，给出可被天文学家直接使用的光谱数据和测光数据。

面对放出的海量天文数据，天文学家无法再用传统的人工方式研究，必须借助计算机的自动处理技术对海量数据进行分析和筛选，从中找出有用的信息。天文学中双星的研究对认识星团、星系甚至宇宙的形成和演化具有极其重要的理论意义。双星光变曲线数据是双星研究不可或缺的资料。通过确定光变曲线类型可以确定变星中双星的相互位置关系，从而确定分析模型。Kepler使用多项式拟合光变曲线，根据拟合后的曲线的主极小和次极小的宽度和深度给出光变曲线类型；ASAS和ROTES均使用傅里叶变换提取光变曲线数据的频率特征，根据所得频率值中的直流、2阶和4阶频率分量之间比例关系进行分类，由于使用特征量较少，容易受到仪器测试误差、天气原因等引起的数据波动影响，对于异常天文现象对应异常光变曲线缺乏识别能力。

发明内容

技术问题：本发明所要解决的技术问题是，提供一种基于支持向量机的光变曲线分类方法，该方法对噪声信号具有较强的抗干扰能力，分类更加准确，同时能检测出异常的光变曲线类型。

技术方案：为解决上述技术问题，本发明采用的技术方案是：

一种基于支持向量机的光变曲线分类方法，包括以下步骤：

步骤10)采集光变曲线数据与光变曲线类型；其中，光变曲线数据是星体随时间的亮度变化数据；

步骤20)对步骤10)采集的光变曲线数据进行预处理，使得光变曲线数据在横坐标上的分布间隔相等，纵坐标的范围为[0,1]；

步骤30)根据所述步骤20)预处理后的光变曲线数据，构建待分析数据集，并将所述数据集分为训练集和测试集；

步骤40)设置支持向量机的核函数和惩罚系数,利用步骤30)构建的训练集训练初始分类模型，得到训练后的分类模型，并利用步骤30)构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型；

步骤50)利用步骤40)中最终的分类模型对待分类的光变曲线进行分类。

作为优选例，所述步骤20)中：光变曲线数据的表示方法为，横坐标为相位，范围为[0,1]；纵坐标为较差星等；

所述步骤20)包括：

步骤201)通过式(1)对光变曲线数据的纵坐标进行归一化处理，将纵坐标的较差星等归一化到[0,1]之间：

其中，m'表示归一化后的较差星等，m表示原始较差星等，m_min表示较差星等最低值，m_max表示较差星等最高值；

步骤202)利用均值滤波方法和线性插值方法，使得横坐标分布均匀：将横坐标从0到1均匀分为n段,若第k段相位范围内，即

范围内，归一化后的较差星等m'的数量b＝1，则采用归一化后的较差星等m'作为预处理最终较差星m″；若b＞1，则采用均值滤波算法获得预处理最终较差星，如式(2)所示；

其中，m^″表示预处理最终较差星等，m′_i表示第i个归一化后的较差星等；

若b＝0，则采用前后相位空间内的亮度值线性插值法获得预处理最终较差星等，如式(3)所示：

其中，m″_k表示第k段相位范围的预处理最终较差星等，m″_k-1表示第k-1段相位范围的预处理最终较差星等，m″_k+1表示第k+1段相位范围的预处理最终较差星等。

作为优选例，所述n为50—300之间的整数。

作为优选例，所述步骤30)包括：采用快速傅里叶变换算法从步骤20)预处理后的光变曲线数据中提取频率信息，将光变曲线数据由时域信号变为频率信号；从所述频率信号中提取前d项作为特征值，以及步骤10)获取的光变曲线类型，组成待分析数据集；所述待分析数据集表示为{f₁、f₂、…、f_d、T}，其中，f代表频率信息分量，T代表光变曲线类型，f₁表示频率信号中的第一个频率，f₂表示频率信号中的第二个频率，f_d表示频率信号中的第d个频率。

作为优选例，所述d为2—20之间的整数。

作为优选例，所述步骤40)中，对训练后的分类模型进行正确率测试时，当正确率没有达到设定阈值时，重复步骤40)，并修改核函数和惩罚系数，直到正确率达到设定阈值。

作为优选例，所述步骤40)中，训练初始分类模型中，当选择核函数linear时，惩罚因子设置为1.8-2.5；当选择核函数rbf时，惩罚因子设置为3.0-5.0。

作为优选例，所述训练集和测试集的数据量之间比例在0.2—0.8之间。

作为优选例，所述步骤50)中，对待分类的光变曲线进行步骤20)的预处理后，再利用最终的分类模型对待分类的光变曲线进行分类。

有益效果：与现有技术相比，本发明实施例的方法对噪声信号具有较强的抗干扰能力，分类更加准确，同时能检测出异常的光变曲线类型。本实施例的方法包括：对采集的光变曲线数据进行预处理；根据预处理后的光变曲线数据，构建待分析数据集；设置支持向量机的核函数和惩罚系数,利用训练集训练初始分类模型，得到训练后的分类模型，并利用构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型；利用最终的分类模型对光变曲线进行分类。现有的Kepler望远镜使用多项式拟合光变曲线，根据拟合后的曲线的主极小和次极小的宽度和深度给出光变曲线类型，该方法只能对正常的光变曲线进行分类。当因异常天文现象而出现异常的光变曲线后，无法自动检测出异常的光变曲线，而异常的光变曲线在天文观测中是有意义的。本方法采用的支持向量机算法属于机器学习，当在训练数据中加入异常的光变曲线，所得的模型能自动识别出新的异常光变曲线，所以该算法不仅能对正常的光变曲线分类，也能对异常光变曲线分类，对在天文数据中进行数据挖掘有重要意义。本实施例的方法由于对数据进行预处理并采用更多的频率分量来分类，对噪声信号具有较强的抗干扰能力。

附图说明

图1是本发明实施例的流程框图；

图2是本发明中实例的光变曲线原始数据图；

图3是本发明中实例的光变曲线预处理后数据图；

图4是本发明中实例的光变曲线数据的傅里叶变化结果图；

图5是本发明中实例的分类正确率与特征值关系图；

图6是本发明中实例的SVM参数与分类正确率关系图。

具体实施方式

下面结合附图，对本发明的技术方案进行详细的说明。

如图1所示，本发明实施例的一种基于支持向量机的光变曲线分类方法，包括以下步骤：

步骤10)采集光变曲线数据与光变曲线类型。其中，光变曲线数据是星体随时间的亮度变化数据。光变曲线类型是根据光变曲线主极小、次极小以及光变曲线波峰的形状来确定，通常有EA、EB和EW型。不同光变曲线类型对应双星不同的位置关系。其中，EA对应分离双星，EB对应半分离双星，EW对应相接双星。

步骤20)对步骤10)收集的光变曲线数据进行预处理，使得光变曲线数据在横坐标上的分布间隔相等，纵坐标的范围为[0,1]。

步骤20)中，光变曲线数据的表示方法为，横坐标为相位，范围为[0,1]；纵坐标为较差星等。较差星等是指天文观测中，用变星的观测亮度-附近亮度恒定星的观测亮度，获得的变星亮度变化值。步骤20)具体包括步骤201)和步骤202)：

步骤202)利用均值滤波方法或线性插值方法，使得横坐标分布均匀：将横坐标从0到1均匀分为n段,若第k段相位范围内，即

其中，m″表示预处理最终较差星等，m′_i表示第i个归一化后的较差星等；

优选的，步骤202)中，n为50—300之间的整数，例如50、80、160、230或者300。

步骤30)根据所述步骤20)预处理后的光变曲线数据，构建待分析数据集，并将所述数据集分为训练集和测试集。

所述步骤30)具体包括：采用快速傅里叶变换算法从步骤20)预处理后的光变曲线数据中提取频率信息，将光变曲线数据由时域信号变为频率信号；从所述频率信号中提取前d项作为特征值，以及步骤10)获取的光变曲线类型，组成待分析数据集；所述待分析数据集表示为{f₁、f₂、…、f_d、T}，其中，f代表频率信息分量，T代表光变曲线类型，f₁表示频率信号中的第一个频率，f₂表示频率信号中的第二个频率，f_d表示频率信号中的第d个频率。

优选的，所述d为2—20之间的整数，例如2、8、15或者20。频率设置在2—20之间，为低频信号。低频信号能很好的表征曲线的形状，而高频信号往往由噪声信号引发，所以仅取低频信号即可。考虑到异常曲线，d为前20项也能较好的表征光变曲线的原始形状。

优选的，所述训练集和测试集的数据量之间比例在0.2—0.8之间。训练集数量太低难以获得合适的模型，测试集数量太低无法检测出过训练情况。因此，本优选例将训练集和测试集的数据量之间比例设置在0.2—0.8之间。

步骤40)设置支持向量机(SVM)的核函数和惩罚系数,利用步骤30)构建的训练集训练初始分类模型，得到训练后的分类模型，并利用步骤30)构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型。

所述步骤40)中，对训练后的分类模型进行正确率测试时，当正确率没有达到设定阈值时，重复步骤40)，并修改核函数和惩罚系数，直到正确率达到设定阈值。在训练初始分类模型时，当选择支持向量机(SVM)的核函数linear时，惩罚因子设置为1.8-2.5；当选择支持向量机(SVM)核函数rbf时，惩罚因子设置为3.0-5.0。该设置可以获得高的正确率。

步骤50)利用步骤40)中最终的分类模型对光变曲线进行分类。

传统的光变曲线分类方法仅使用光变曲线频率值中的直流、2阶和4阶分量进行分类。本方法增加了预处理步骤，使用了更多的频率分量，并使用SVM自动学习分类。相对于传统方法，本实施例的方法以FFT变化后的多维数据为特征量，使用支持向量机(文中简称：SVM)算法进行机器训练和识别，获得光变曲线自动分类模型。本发明对噪声信号具有更强的抗干扰能力，能学习并识别对应异常天文现象的异常光变数据。

本发明实施例的分类方法，对输入的光变曲线数据进行预处理，包括通过线性变化将光变曲线变化幅值统一，使用均值滤波或线性插值使得光变曲线数据点横坐标为均匀分布；再使用快速傅里叶变化提取预处理后数据的频率信息；接着使用提取的频率信息和已完成的分类信息，基于支持向量机进行模型训练，获得光变曲线分类模型。对未知的光变曲线通过第1、2步处理后所得的频率信息可直接使用该模型分类。

下面例举一实施例。

一种基于支持向量机的光变曲线分类方法，包括以下步骤：

步骤10)采集光变曲线信息。从CALEB(http://caleb.eastern.edu)网站下载变星光变曲线数据，共300颗变星，747条光变曲线。以BE Vul(EA)、YY Cet(EB)、TW Cet(EW)三个变星的V波段数据为例。原始数据如图2所示。由图2可见，由于观测设备等限制，已有的观测数据质量较差。这表现在数据点个数不一致(三个变星的光变曲线数据点数量不一样多，有的比较密集，有的比较稀疏)、数据浮动比较大、数据较离散。

步骤20)将phase均分为长度0.005的200段，每段的中点作为新的phase值，再利用归一化、均值滤波方法和线性插值方法后所得数据如图3所示。由图3可知，在预处理后，数据很好的保留了原始的变化趋势，相对原始数据更加平滑。

步骤30)对预处理后数据进行快速傅里叶变化(英文缩写为FFT)，实现特征值提取。同样以上述3颗星为例，所得结果如图4所示。其中，横坐标表示信号谐波频率，单位：Hz，纵坐标表示幅值，单位：A.U.。(A.U.是arbitrary unit的缩写，中文为“任意单位”)。在实验中，A.U.不代表任何意义。当做实验时，不关心具体值，只关心相对值时采用这个单位。

对全部的747条光变曲线进行FFT，获得待分析数据集{f₀,f₁…f_d,T}。从中选取不同的频率分量测试。采用[f_i,f_j]表示从f_i到f_j的频率分量，采用{f_x,f_y}表示f_x、f_y两个频率分量，SVM使用线性核函数，训练集为373条数据，测试集为374条数据，惩罚因子设为1.0，最终得结果如5所示。

步骤40)优化SVM核函数和惩罚因子参数。核函数是将输入空间映射到高维空间的函数算法。惩罚因子是对错误分类的容忍度。降低容忍度能获得更好的训练结果，但也可能产生过拟合。选择不同核函数和惩罚因子，使用数据集[f₀,f₈]作为特征值，最终所得结果如图6所示。由图6可知，四种核函数按优劣顺序依次为linear、rbf、sigmoid和poly。当我使用linear核函数，惩罚因子设置为2.0或2.2时，获得的最优分类正确率为89.8％(训练集)和84.8％(测试集)；如果选用rbf核函数，则惩罚因子设置为4.0或者4.2也能达到同样的分类正确率，已训练好的模型可以被保存，用于其他新的光变曲线数据分类与识别。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims

1.一种基于支持向量机的光变曲线分类方法，其特征在于，该分类方法包括以下步骤：

步骤20)对步骤10)采集的光变曲线数据进行预处理，使得光变曲线数据在横坐标上的分布间隔相等，纵坐标的范围为[0,1]，其中，光变曲线数据的表示方法为，横坐标为相位，范围为[0,1]；纵坐标为较差星等，较差星等是指天文观测中，用变星的观测亮度-附近亮度恒定星的观测亮度，获得的变星亮度变化值；

所述步骤20)包括：

其中，m″_k表示第k段相位范围的预处理最终较差星等，m″_k-1表示第k-1段相位范围的预处理最终较差星等，m″_k+1表示第k+1段相位范围的预处理最终较差星等；

2.按照权利要求1所述的基于支持向量机的光变曲线分类方法，其特征在于，所述n为50—300之间的整数。

3.按照权利要求1所述的基于支持向量机的光变曲线分类方法，其特征在于，所述步骤30)包括：

采用快速傅里叶变换算法从步骤20)预处理后的光变曲线数据中提取频率信息，将光变曲线数据由时域信号变为频率信号；

从所述频率信号中提取前d项作为特征值，以及步骤10)获取的光变曲线类型，组成待分析数据集；所述待分析数据集表示为{f₁、f₂、···、f_d、T}，其中，f代表频率信息分量，T代表光变曲线类型，f₁表示频率信号中的第一个频率，f₂表示频率信号中的第二个频率，f_d表示频率信号中的第d个频率。

4.按照权利要求3所述的基于支持向量机的光变曲线分类方法，其特征在于，所述d为2—20之间的整数。

5.按照权利要求1所述的基于支持向量机的光变曲线分类方法，其特征在于，所述步骤40)中，对训练后的分类模型进行正确率测试时，当正确率没有达到设定阈值时，重复步骤40)，并修改核函数和惩罚系数，直到正确率达到设定阈值。

6.按照权利要求5所述的基于支持向量机的光变曲线分类方法，其特征在于，所述步骤40)中，训练初始分类模型中，当选择核函数linear时，惩罚因子设置为1.8-2.5；当选择核函数rbf时，惩罚因子设置为3.0-5.0。

7.按照权利要求1所述的基于支持向量机的光变曲线分类方法，其特征在于，所述训练集和测试集的数据量之间比例在0.2—0.8之间。

8.按照权利要求1所述的基于支持向量机的光变曲线分类方法，其特征在于，所述步骤50)中，对待分类的光变曲线进行步骤20)的预处理后，再利用最终的分类模型对待分类的光变曲线进行分类。