[论文解读] The S-PLUS: a star/galaxy classification based on a Machine Learning approach

M. V. Costa-Duarte, L. Sampedro+33 more|arXiv (Cornell University)|Sep 18, 2019

Galaxies: Formation, Evolution, Phenomena参考文献 14被引用 16

一句话总结

本文针对S-PLUS巡天提出了一种基于随机森林机器学习模型的恒星/星系分类方法，该模型基于12个S-PLUS测光波段和形态参数进行训练。引入FWHM/PSF后，分类准确率显著提升至95.0%，有效减少了颜色-颜色图中的误分类现象，并成功构建了一个包含约18,000个天体、恒星污染极低的清洁河外点源星表。

ABSTRACT

We present a star/galaxy classification for the Southern Photometric Local Universe Survey (S-PLUS), based on a Machine Learning approach: the Random Forest algorithm. We train the algorithm using the S-PLUS optical photometry up to $r$=21, matched to SDSS/DR13, and morphological parameters. The metric of importance is defined as the relative decrease of the initial accuracy when all correlations related to a certain feature is vanished. In general, the broad photometric bands presented higher importance when compared to narrow ones. The influence of the morphological parameters has been evaluated training the RF with and without the inclusion of morphological parameters, presenting accuracy values of 95.0\% and 88.1\%, respectively. Particularly, the morphological parameter { m FWHM/PSF} performed the highest importance over all features to distinguish between stars and galaxies, indicating that it is crucial to classify objects into stars and galaxies. We investigate the misclassification of stars and galaxies in the broad-band colour-colour diagram $(g-r)$ versus $(r-i)$. The morphology can notably improve the classification of objects at regions in the diagram where the misclassification was relatively high. Consequently, it provides cleaner samples for statistical studies. The expected contamination rate of red galaxies as a function of the redshift is estimated, providing corrections for red galaxy samples. The classification of QSOs as extragalactic objects is slightly better using photometric-only case. An extragalactic point-source catalogue is provided using the classification without any morphology feature (only the SED information) with additional constraints on photometric redshifts and { m FWHM/PSF} values.

研究动机与目标

• 开发一种针对S-PLUS巡天的鲁棒恒星/星系分类方法，利用机器学习处理高维测光数据。
• 评估形态参数（尤其是FWHM/PSF）在缺乏光谱红移的情况下对分类准确率的影响。
• 通过结合测光红移、FWHM/PSF和测光SED，构建一个低恒星污染的清洁河外点源星表。
• 量化红巨星样本中恒星误分类率随红移的变化，以改进河外统计研究。

提出的方法

• 使用S-PLUS与SDSS/DR13数据的匹配样本，基于12个S-PLUS测光波段和形态参数（FWHM/PSF、椭率、集中度）训练随机森林分类器。
• 模型在724,000个训练样本和200,000个测试样本上进行训练，共训练510个独立的随机森林模型，以应对S-PLUS中部分测光波段缺失的问题。
• 通过移除某一特征后初始准确率的相对下降量来量化特征重要性，结果显示FWHM/PSF的特征重要性最高。
• 通过对比包含与不包含形态参数的情况，评估其对分类准确率及在(g−r) vs. (r−i)颜色-颜色图中误分类的影响。
• 仅利用测光SED、测光红移（z_b > 0.002）和FWHM/PSF在1.0至1.5之间的条件，结合P_gal > 0.5，构建河外点源星表。
• 估算红巨星样本中被误分类为恒星的恒星污染率随红移的变化，以校正河外样本中的恒星污染。

实验结果

研究问题

• RQ1 在S-PLUS等测光巡天中，引入形态参数（尤其是FWHM/PSF）如何提升恒星/星系分类的准确率？
• RQ2 在S-PLUS巡天中，哪些测光波段（宽波段或窄波段）对区分恒星与星系的贡献最为显著？
• RQ3 在(g−r) vs. (r−i)颜色-颜色图的哪些区域，恒星与星系的误分类最为严重？形态参数如何降低此类不确定性？
• RQ4 红巨星样本中的恒星污染率如何随红移变化？在未来的河外统计研究中，如何对这一污染进行校正？
• RQ5 能否仅利用测光SED、测光红移和FWHM/PSF，而不依赖形态参数，可靠地构建一个清洁的河外点源星表？

主要发现

• 在同时使用测光与形态参数时，引入形态参数（尤其是FWHM/PSF）使分类准确率从88.1%提升至95.0%。
• FWHM/PSF是最重要的特征，对模型准确率的贡献超过33%，表明其在区分恒星与星系中的关键作用。
• 宽波段测光的特征重要性略高于窄波段，主要因其信噪比更高；但窄波段J0410对追踪D_n4000并区分银河系与河外源至关重要。
• 在颜色-颜色图中，引入形态参数后，恒星与星系的误分类现象显著减少，尤其在不确定性较高的区域。
• 最终的河外点源星表包含约18,000个天体，仅基于SED信息、测光红移（z_b > 0.002）和FWHM/PSF在1.0至1.5之间，且P_gal > 0.5的条件筛选得出。
• 本研究提供了红巨星样本中恒星污染率的红移依赖估计，为未来河外统计分析中的污染校正提供了依据。