第31卷，第10期 2011年10月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
一种新的光谱特征提取方法李乡儒"，冯春明"，王永俊"，卢瑜1 1.华南师范大学数学科学学院，广东广州510631 2.聊城大学东县学院数学系，山东聊城252000
VolL. 31,No. 10.pp2856-2860
October，2011
摘要研究了天体光谱的特征提取间题，这是光谱白动处理中的一个关键环节。通过特征提取，不仅能够约简数据、减少元余，面且亦能抑制噪声干扰，对识别系统的精度和效率均有重要影响。提出了一种基于空间转换和分解的特征分析模型（STP)，基于此，可实现对常用光谱特征提取方法的分析，例如，无监督的主成分分析(PCA)，小波变换（Wavelet)，有监督的持向量机(SVM)，相关向量机(RVM)和线性判别分析方法(LDA)等。在STP模型中，关注的核心要素是特征提取中对数据成分的分解、重组，以及噪声的抑制和允余的消除。亦在STP框架的基础上，给出了一种逻辑和实现均较为简单的特征提取方法；基于曲线拟合与下采样的光讲特征提取(EFCD)。研究的一个重要发现是，在一些分类问题中文献中设计巧妙的特征提取方法并不一定是决定性的：即使采用通常的信号下采样方法提取特征，办能获得良好的光谐认别性能，面重要的仅仅是需要将特征数量保持在一定的水平以上即可。研究中，选用的测试数据是SDSS中的Galaxy和
QS两类河外天体实测光谱，他们一般具有较大的红移，在天体光谱识别中具有较强的代表性。关键调天体光谱分类；光谱特征提取；类量体；正常星系
中图分类号：TN911.7
引言
文献标识码：A
DOI; 10. 3964/j. issn. 1000-0593(2011)10-285605
信息，尽可能押制其他与当前任务无关的信息（相对于当前月标来说，这些都是噪声)，而且需要把信息转化成适合分
天体光谱主要是由连续谱、吸收谱线、发射谱线和噪声组成。其中，噪声的来源一般是犬光背景、大气吸收和仪器投备的不理想性，有时宇宙射线也会成为干扰源。另外，天体光谱一般是上千维空间里的一个向量，但是天文学家通过认证少数几条特征谱线即可识别出光谱的类型，赵梅芳等研究表明可通过截取并分析几个特征波段对窄线活动星系核和宽线活动星系核光谱进行分类（例如，特征谱线H，Hg，[O Ⅲ或[NⅡI周围)[)，李乡需等通过提取一维线性判别特征即可实现星系与类星体，以及类星体与Seyfert2光谱的分类。上述已有研究表明，对于基于光谱的天体识别来说，原始观测数据中往存在许多数据元余。而噪声和允余的存在往往会造成自动分类系统的过学习和计算负担，并表现为系统的精度和效率不能满足需要。同时，一个光谱白动分类系统一般包括数据采集、数据预处理、特征提取、识别子系统和后处理等五个部分。其中，特征提取和识别子系统是光谱分类系统中两个不可分割的部分，它们相辅相成，协间完成分类日标；特征提取模块不仅需要取与分类目标有关的
收稿日期：2011-01-03，修订日期：2011-04-10
基金项目：国家自然科学基金项日(61075033)资助
作者简介：李乡偏，1972年生，华南师范大学数学科学学院副教授方方数据
类器特点的表达方式，它直接关系到分类器的泛化性能（对新样本的识别能力)和设计的难度。所以特征提取是光谐数据自动分类研究中的一个关键内容。
本工作的部分结果报告可见文献[3]
1
相关研究
目前光谱白动分类研究中常使用的特征提取方法有主成
分分析（PCA），小波变换（Wavelet)，均值漂移（Meanshift)，以及有监督相关向量机(RVM)，支持向量机(SVM)，覆盖算法和线性判别分析(LDA)等方法。上述工作简要综述如下：
(1)PCA
在星系和类星体光谱识别研究方面，Gaspar采用PCA 方法进行特征提取，并对红移值已知的星系光谱的自动分类作了研究。李乡偏等结合Galaxy和Qso的识别间题探讨了光谱自动处理中的流量标准化问题，在该工作中首先使用 PCA进行特征提取和特征选择，然后在4维PCA空间中运
e-mail;xiangru.li@gmail.com