[论文解读] Mixture Models in Astronomy

Michael A. Kuhn, Eric D. Feigelson|arXiv (Cornell University)|Nov 29, 2017

Bayesian Methods and Mixture Models参考文献 44被引用 9

一句话总结

本文倡导在天文学中使用混合模型——尤其是高斯分布和天体物理启发的分布——进行聚类分析、分类和密度估计。它展示了这些模型在处理重叠群体、空间分布以及具有异方差误差的复杂数据方面的有效性，结合了SDSS和LSST巡天的真实案例，强调了其在提升对象分类和模型选择方面相较于启发式方法的优势。

ABSTRACT

Mixture models combine multiple components into a single probability density function. They are a natural statistical model for many situations in astronomy, such as surveys containing multiple types of objects, cluster analysis in various data spaces, and complicated distribution functions. This chapter in the CRC Handbook of Mixture Analysis is concerned with astronomical applications of mixture models for cluster analysis, classification, and semi-parametric density estimation. We present several classification examples from the literature, including identification of a new class, analysis of contaminants, and overlapping populations. In most cases, mixtures of normal (Gaussian) distributions are used, but it is sometimes necessary to use different distribution functions derived from astrophysical experience. We also address the use of mixture models for the analysis of spatial distributions of objects, like galaxies in redshift surveys or young stars in star-forming regions. In the case of galaxy clustering, mixture models may not be the optimal choice for understanding the homogeneous and isotropic structure of voids and filaments. However, we show that mixture models, using astrophysical models for star clusters, may provide a natural solution to the problem of subdividing a young stellar population into subclusters. Finally, we explore how mixture models can be used for mathematically advanced modeling of data with heteroscedastic uncertainties or missing values, providing two example algorithms, the measurement error regression model of Kelly (2007) and the Extreme Deconvolution model of Bovy et al. (2011). The challenges presented by astronomical science, aided by the public availability of catalogs from major surveys and missions, are a rich area for collaboration between statisticians and astronomers.

研究动机与目标

• 展示混合模型在解决复杂天文学分类与聚类问题中的实用性。
• 说明混合模型如何在多维数据空间中优于启发式和主观的分类方法。
• 推广使用参数化混合模型结合模型选择准则（例如BIC）以实现在大规模天文学巡天中稳定且可复现的聚类。
• 强调将统计方法与天体物理知识相结合，用于建模空间分布和测光分布。
• 通过展示公开数据和现代巡天中的真实应用，促进统计学家与天文学家之间的合作。

提出的方法

• 将有限高斯混合模型应用于多维参数空间中的天文物体分类，例如星系发射线特性。
• 使用贝叶斯信息准则（BIC）等模型选择准则，客观确定混合模型中成分的数量。
• 对天体物理启发的分布（如对数正态、伽马、帕累托分布）进行适配，用于建模恒星质量与星系光度等物理量。
• 实施测量误差回归模型（Kelly, 2007）和极端去卷积（Bovy et al., 2011）以处理天文学数据中的异方差不确定性。
• 使用空间混合模型，基于恒星集团形成的天体物理模型，将年轻恒星群体划分为子簇。
• 利用大规模巡天数据（如SDSS、LSST）和公开星表，验证并应用混合建模技术。

实验结果

研究问题

• RQ1 与传统启发式方法相比，混合模型如何提升基于发射线特性的星系分类效果？
• RQ2 在天文学巡天中存在重叠群体的情况下，混合模型如何提供稳定且可复现的聚类结果？
• RQ3 在建模恒星质量或星系光度等物理量分布时，混合模型如何适配天体物理先验？
• RQ4 混合模型在分析恒星与星系空间分布（特别是在年轻恒星形成区或红移巡天中）中扮演何种角色？
• RQ5 先进的混合建模技术如何处理大规模天文学数据集中的测量误差与缺失数据？

主要发现

• 高斯混合模型成功地将Baldwin-Phillips-Terlevich图中传统3簇的星系分类细化为更准确的4簇结构。
• 通过BIC进行模型选择，得到的成分数量比主观或非参数聚类方法（如'朋友-朋友'法）更稳定且可复现。
• 采用天体物理先验的混合模型能够自然地将年轻恒星群体划分为子簇，从而改善对恒星形成区的分析。
• 应用极端去卷积和测量误差回归模型，使得在具有异方差不确定性的数据中实现稳健推断成为可能，这类数据在天文学测光与光谱观测中极为常见。
• 尽管混合模型被广泛使用，但天文学家往往并未以名称识别它们，表明亟需提升方法论认知，并加强与统计学家的合作。
• SDSS和LSST等巡天的公开星表提供了丰富且大规模的数据集，非常适合用于测试和推进混合建模技术。