基于CNN与LSTM复合深度模型的恒星光谱分类算法

李浩¹, 赵青^1,^*, 崔辰州², 樊东卫², 张成奎¹, 史艳翠¹, 王嫄¹

A Stellar Spectrum Classification Algorithm Based on CNN and LSTM Composite Deep Learning Model

LI Hao¹, ZHAO Qing^1,^*, CUI Chen-zhou², FAN Dong-wei², ZHANG Cheng-kui¹, SHI Yan-cui¹, WANG Yuan¹

F、 G、 K三大类恒星光谱验证集在模型上的准确率与前人实验准确率与模型训练时间对比结果见表3 , 可见本文提出的复合深度模型在数据预测方面相较传统的RBM、 PILDNN、 PILDNN*、 Inception v3、 DBN网络的实验结果具有更高准确率, 说明本文提出的复合深度模型是有效的。同样, 相较于单一的1-D SSCNN与单一的LSTM网络的实验结果也具有更高准确率, 说明本文复合后的深度模型在光谱分类实验是更加有效的。在训练所消耗的时间方面, 可以在表中看到本文算法也是相当有效率的。