[论文解读] Classification of Pulsars using Extreme Deconvolution

Tarun Tej Reddy, S. Desai|arXiv (Cornell University)|Nov 7, 2020

Gaussian Processes and Bayesian Inference参考文献 66被引用 12

一句话总结

该论文提出采用基于极端去卷积的高斯混合模型（XDGMM）对脉冲星在P−Ṗ图中的分类进行建模，通过引入测量不确定性以提升鲁棒性。结果确认了六个最优聚类——其中两个为毫秒脉冲星，四个为普通脉冲星，与先前研究一致，同时展示了XDGMM在数据扰动下相较于标准GMM具有更优的稳定性。

ABSTRACT

We carry out a classification of the observed pulsar dataset into distinct clusters, based on the $P-\dot{P}$ diagram, using Extreme Deconvolution based Gaussian Mixture Model. We then use the Bayesian Information Criterion to select the optimum number of clusters. We find in accord with previous works, that the pulsar dataset can be optimally classified into six clusters, with two for the millisecond pulsar population, and four for the ordinary pulsar population. Beyond that, however we do not glean any additional insight into the pulsar population based on this classification. Using numerical experiments, we confirm that Extreme Deconvolution-based classification is less sensitive to variations in the dataset compared to ordinary Gaussian Mixture Models. All our analysis codes used for this work have been made publicly available.

研究动机与目标

• 通过在周期（P）和周期导数（Ṗ）中考虑测量不确定性来改进脉冲星分类，而标准方法忽略了这些不确定性。
• 使用贝叶斯信息准则（BIC）确定P−Ṗ图中聚类的最优数量。
• 评估XDGMM在数据扰动下相对于传统高斯混合模型（GMM）的鲁棒性。
• 评估基于聚类的P−Ṗ空间分类是否能揭示超越已知类别的脉冲星群体新物理见解。
• 通过公开发布所有分析代码和数据，促进研究的可重复性。

提出的方法

• 应用基于极端去卷积的高斯混合模型（XDGMM）对P−Ṗ分布进行建模，实现考虑不确定性的密度估计。
• 对P和Ṗ进行对数变换，以与年龄和磁场强度估计保持一致，假设对数空间中呈高斯分布。
• 通过将标准GMM扩展为XDGMM，将P和Ṗ的观测不确定性纳入模型，从而在存在噪声测量的情况下仍能准确建模真实底层分布。
• 使用贝叶斯信息准则（BIC）选择最优聚类数量，以在模型拟合度与复杂度之间取得平衡。
• 通过随机移除10%的数据点进行1,000次数值实验，以测试聚类配置在数据扰动下的稳定性。
• 将XDGMM结果与同一数据集上的标准GMM进行比较，以评估其鲁棒性与一致性。

实验结果

研究问题

• RQ1 XDGMM是否能为P−Ṗ平面上的脉冲星分类提供比标准GMM更稳定、更可靠的分类结果？
• RQ2 当正确考虑不确定性时，P−Ṗ图中脉冲星群体的最优聚类数量是多少？
• RQ3 所得聚类是否对应于已知的脉冲星类型，还是揭示了新的物理分组？
• RQ4 XDGMM聚类对数据扰动（如随机移除10%的脉冲星数据）的敏感性如何？
• RQ5 考虑不确定性的聚类方法是否能提供超越标准P−Ṗ分类的额外物理见解？

主要发现

• 在P−Ṗ图中对射电脉冲星群体进行分类的最优聚类数量为六个，其中两个为毫秒脉冲星，四个为普通脉冲星。
• XDGMM产生稳定的聚类结果：在1,000次随机数据扰动试验中，69.2%的结果与原始数据集的聚类配置相同。
• 毫秒脉冲星聚类以及三个普通脉冲星聚类（C、D、E）在试验中保持一致，而聚类F因样本量较小而表现出一定变异性。
• BIC评分在69.1%的试验中选择六个聚类为最优，26%选择七个，4.9%选择五个，表明结果具有较强一致性，但对数据删除仍存在一定敏感性。
• 标准GMM无法产生稳定结果，其结果呈现双峰分布（MSPs为两簇或一簇的概率各50%），且在不同运行中聚类位置不一致。
• 由于显式处理了测量不确定性，XDGMM在鲁棒性方面显著优于标准GMM，尤其是在数据扰动条件下。