长期以来,疏散星团成员星的证认问题一直是天文学领域的一个挑战,由于疏散星团形成及演化的复杂性,没有统一的方法能准确地确定疏散星团中的成员星.目标是以3种不同空间分布类型的疏散星团为样本,选取恒星的位置和运动的五维参数,通过DB...长期以来,疏散星团成员星的证认问题一直是天文学领域的一个挑战,由于疏散星团形成及演化的复杂性,没有统一的方法能准确地确定疏散星团中的成员星.目标是以3种不同空间分布类型的疏散星团为样本,选取恒星的位置和运动的五维参数,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、FOF(Friend of Friend)和STAR GO(Star's Galactic Origin)3种聚类方法,对疏散星团进行聚类检测,量化不同算法的绩效.研究结果表明,FOF与STAR GO算法对有特殊结构的星团更为适用,能识别出星团的潮汐或延展结构,而DBSCAN对星团核心区域成员星的识别更为完整.旨在星团结构细节与提高成员星识别的完整性之间找到更均衡的算法策略.展开更多
文摘长期以来,疏散星团成员星的证认问题一直是天文学领域的一个挑战,由于疏散星团形成及演化的复杂性,没有统一的方法能准确地确定疏散星团中的成员星.目标是以3种不同空间分布类型的疏散星团为样本,选取恒星的位置和运动的五维参数,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、FOF(Friend of Friend)和STAR GO(Star's Galactic Origin)3种聚类方法,对疏散星团进行聚类检测,量化不同算法的绩效.研究结果表明,FOF与STAR GO算法对有特殊结构的星团更为适用,能识别出星团的潮汐或延展结构,而DBSCAN对星团核心区域成员星的识别更为完整.旨在星团结构细节与提高成员星识别的完整性之间找到更均衡的算法策略.
