典型文献
基于XGBoost的单脉冲信号识别研究
文献摘要：
脉冲星搜寻是射电天文领域的重要研究方向.随着大型射电望远镜的不断建设和发展,数据量呈指数增长,如何及时从快速获取的海量数据中准确识别脉冲星信号成为当前面临的巨大挑战.以低频射电阵列(Low Frequency Array,LOFAR)联合阵列巡天项目的观测数据为例,设计了针对单脉冲信号识别的10个特征变量,进一步研究了XGBoost结合包裹式特征选择法在单脉冲信号识别中的应用,并对比分析了GBDT(Gradient Boosting Decision Tree)、AdaBoost、随机森林和BP(Back Propagation)神经网络等模型对单脉冲信号识别的效果.实验结果表明,XGBoost结合包裹式特征选择法在单脉冲信号识别方面更具综合优势,误分类率最低,分类结果的精确率、召回率与F1分数最高,平均高出其他模型1到2个百分点.从特征选择上来说,有9个特征被选为最优特征.本研究设计的特征变量和识别方法可为我国开展以500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)探测信号为主的脉冲星搜寻提供方法和技术参考.
文献关键词：
单脉冲;XGBoost;特征选择;包裹法
中图分类号：
作者姓名：
凌毓;张金区;李乡儒;李慧
作者机构：
华南师范大学计算机学院,广东 广州 510631
文献出处：
引用格式：
[1]凌毓;张金区;李乡儒;李慧-.基于XGBoost的单脉冲信号识别研究)[J].天文研究与技术－国家天文台台刊,2022(03):264-273
A类：
B类：
XGBoost,单脉冲,脉冲信号,信号识别,脉冲星,搜寻,射电天文,射电望远镜,建设和发展,数据量,指数增长,从快,海量数据,准确识别,Low,Frequency,Array,LOFAR,巡天,目的观,观测数据,特征变量,特征选择,GBDT,Gradient,Boosting,Decision,Tree,AdaBoost,Back,Propagation,综合优势,误分类,精确率,召回率,百分点,被选为,优特,口径,球面,Five,hundred,meter,Aperture,Spherical,radio,Telescope,FAST,探测信号,方法和技术,包裹法
AB值：
0.498819
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
