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

A0、 A5、 F0、 F5、 G0、 G5、 K0、 K5、 M0、 M5十种子类恒星光谱验证集在模型上的准确率通过对比表5 中的结果, 可以发现本文提出的模型相比于单一传统的CNN和单一的LSTM网络, 在实验结果中获得更高的准确率。同时可以看到本文模型能够在训练时间极少的情况下实现高准确度的预测。通过观察表6 , 我们可以看出本文所提出的模型相比于单一传统的CNN和单一的LSTM网络, 在绝大多数光谱类别中获得的F1值更高。同时, 通过观察图7 中本文十分类模型预测结果的混淆矩阵, 可以发现归类错误的数量极少, 数量几乎可以忽略不计。