APP下载

基于聚类的太阳光球亮点的数据清洗*

2016-07-09张艾丽熊建萍杨云飞季凯帆

天文研究与技术 2016年2期

张艾丽,熊建萍,杨云飞,冯 松,邓 辉,季凯帆

(昆明理工大学云南省计算机技术应用重点实验室,云南 昆明 650500)



基于聚类的太阳光球亮点的数据清洗*

张艾丽,熊建萍,杨云飞,冯松,邓辉,季凯帆

(昆明理工大学云南省计算机技术应用重点实验室,云南 昆明650500)

摘要:由于光球亮点尺度小、边缘结构不明显等原因,在识别中一部分发亮的碎米粒不可避免地被误识别为亮点。采用基于划分的K-means算法和基于密度的DBSCAN算法分别清洗所有发亮结构的特征数据,拟将非亮点结构从亮点结构中剔除。首先采用LMD算法和三维联通的思想识别和跟踪亮点,然后提取亮点的7个相关度较低的特征值,包括等效直径、强度、偏心率、亮点边缘位于米粒暗径的比例、速度、运动方式和扩散系数,并在数据标准化后,采用主成分分析法根据90%的贡献率降至三维。最后采用K-means算法和DBSCAN算法对亮点数据进行清洗。实验结果表明,两种算法均能清洗非亮点结构,K-means算法的正确率为80%,DBSCAN算法的正确率为53%。因此,K-means算法能够更有效地区分亮点和非亮点结构。

关键词:光球亮点;非亮点结构;聚类算法;K-means算法;DBSCAN算法

太阳光球表面布满了米粒状结构,在米粒的暗径中有一些发亮的结构,称为光球亮点(Photospheric bright points, PBPs)。普遍认为,光球亮点与磁场有密切关系,通过研究光球亮点可以促进太阳磁场的研究,促进更深层和更热的等离子体和日冕加热等太阳物理现象的研究[1]。但是,光球亮点很容易和发亮的碎米粒以及其他局部强度较高的太阳表面小尺度特征相混淆。……

登录APP查看全文