许婷婷
- 作品数：7 被引量：16H指数：3
- 供职机构：云南民族大学数学与计算机科学学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球电子电信更多>>
- 基于暗通道先验去雾的SDSS图像去噪研究被引量：1
- 2024年
- 美国的斯隆数字巡天(sloan digital sky survey,SDSS)于2000年开始正式的巡天观测,目前已经产生了海量的光谱和图像数据,但受仪器设备本身和观测条件的影响可能会出现观测数据细节模糊或损失等问题.在进行后续数据分析和挖掘之前,对观测图像进行去噪处理是一个非常必要的步骤.基于此,将暗通道先验(dark channel prior,DCP)去雾算法应用于SDSS测光图像的去噪处理中,并与B2U方法进行对比分析.结果表明:与B2U方法相比,DCP算法去噪效果在峰值信噪比(peak signal-to-noise ratio,PSNR)上提高了7.98 dB,结构相似性(structural similari⁃ty,SSIM)上提高了7%.
- 刘执靖许婷婷邓雨禾杨明存李广平高献军曹婕周卫红
- 关键词：图像去噪
- 基于深度信念网络的天体光谱自动分类研究被引量：3
- 2017年
- 把深度信念网络应用于天体光谱的分类.首先,使用小波变换对光谱数据进行降噪预处理,其次,采用PCA对光谱数据进行特征值提取降维,然后建立深度信念网络模型并构造分类器,最后使用该分类器对美国斯隆巡天项目的天体光谱数据进行激变变星的分类研究,并与受限波尔兹曼机网络进行了对比研究.由于深度信念网络对数据有深层次的学习能力,采用深度信念网络对天体光谱进行分类有一定优势.实验结果证明了分类方法的有效性.
- 刘真祥荣容许婷婷周卫红
- 基于FPN-ViT的星系形态分类研究
- 2024年
- 随着人工智能技术的发展,利用深度学习方法进行星系形态分类研究取得了较大进展,但在分类精度、自动化及其星系的空间特征表示上仍然存在不足之处.Vision Transformer(ViT)模型目前在星系形态分类上具有较好的鲁棒性,但是在处理多尺度图像时存在一定的局限性,因此提出将特征金字塔(Feature Pyramid Networks,FPN)引入ViT模型(FPN-ViT)中进行星系形态的分类研究中.结果表明:基于FPN-ViT模型进行星系形态分类的平均准确率、精确率、召回率以及F1分数等各项评估指标均在95%以上,与传统的ViT模型相比各项指标均有一定程度的提升.同时,在原始星系图像中加入不同程度的高斯噪声和椒盐噪声,验证FPN-ViT模型对低信噪比数据也能获得较好的分类性能.此外,为了对模型进行综合评估,采用t分布随机邻接嵌入(t-distributed Stohastic Neighbor Embedding,t-SNE)算法对分类结果进行了可视化分析,能够更加直接地看出FPN-ViT模型对于星系形态分类的效果.因此,将FPN网络应用于ViT模型对星系形态的分类研究中是一种全新尝试,对后续研究具有重要意义.
- 曹婕许婷婷邓雨禾李广平高献军杨明存刘执靖周卫红
- 基于深度信念网络的LAMOST恒星光谱分类研究被引量：2
- 2019年
- 恒星光谱分类是光谱分析的一种重要方法,是天体光谱数据挖掘的重要内容。针对从LAMOST(the Large Sky AreaMulti-Object Fiber Spectroscopic Telescope)Data Release 5(DR5)选取出的33 000条F、G和K型3种恒星光谱数据,采用一种基于深度信念网络的恒星光谱分类方法,通过在训练过程中对恒星光谱数据进行分层特征学习,从而建立深度信念网络模型。最后对此模型进行恒星光谱分类测试,得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98,从而验证了该模型对这3种恒星光谱的正确性,分类精确率较高,对海量天体光谱数据的处理有着重要意义。
- 张静敏许婷婷杜利婷周卫红
- 关键词：光谱分类
- 基于深度学习的LAMOST光谱分类研究被引量：7
- 2019年
- 光谱分类不仅对理解恒星物理学有着重要意义,而且在研究银河系整体结构和演化过程中起着至关重要的作用.然而在相关研究中仍存在分类精度低和光谱型未知等问题,因此提出一种新的光谱自动分类模型并将其应用在F、G和K 3种恒星光谱的分类中,方法的基本思想是训练一个深度信念网络对光谱数据进行分层特征学习,然后采用反向传播算法对整个模型进行微调.从LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) Data Release 5 (DR5)中选取31667条包含F、G和K 3种恒星的光谱数据,并在TOPCAT软件中与GAIA (Global Astrometric Interferometer for Astrophysics)数据进行交叉,得到颜色-星等图并验证光谱数据的分布.最后对该模型进行评估,结果表明:深度信念网络在综合性能上优于其他分类算法.
- 许婷婷马晨晔张静敏周卫红
- 基于压缩感知的图像稀疏表示和重构被引量：4
- 2018年
- 在信号可稀疏表示的基础上,压缩感知理论将数据的采集和压缩集于一身,从较少的观测值中重构出原始信号,突破了以奈奎斯特采样定理为基础的传统采样方式的局限性,降低了对信号采样率的要求.首先介绍了压缩感知的基本理论和各类重构算法,并在时间复杂度和重构精度上对算法作出分析比较,然后基于压缩感知理论综述图像稀疏表示和重构算法的研究进展及其相关方面的应用,最后对压缩感知在稀疏表示和重构方面作出了总结和展望.
- 许婷婷洪丽华刘真祥张静敏周卫红
- 关键词：压缩感知信号处理
- 基于深度学习的高维光谱分类识别研究被引量：1
- 2019年
- 光谱分类识别一直是天文学家研究中的基础问题,也是LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K 3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法.
- 许婷婷张静敏杜利婷周卫红
