Galaxy Morphology Classification Using a Semi-supervised Learning Algorithm Based on Dynamic Threshold

doi:10.1088/1674-4527/acf610

Galaxy Morphology Classification Using a Semi-supervised Learning Algorithm Based on Dynamic Threshold

2023-10-11

0

PRE

AI

DOI：10.1088/1674-4527/acf610

原文链接

原文求助

摘要

En 中文

摘要由于银河数据的飞速发展，机器学习已成为分类星系形态的关键技术。然而，传统的监督学习因需要大量标注数据才能有效，导致学习成本高昂。FixMatch作为一种半监督学习算法，是一种有效利用大量未标注数据的好方法，现已成为关键工具。但FixMatch在处理大规模、不平衡数据集时性能显著下降，因为它依赖固定阈值来过滤伪标签。因此，本研究基于FixMatch模型提出了一种动态阈值对齐算法。首先，确定样本量最大的类别中可靠伪标签的比例，并据此近似其他类别的可靠伪标签比例。其次，根据各类别预测的可靠伪标签比例，动态计算选择伪标签的阈值。通过采用该动态阈值，降低了各类别的准确率偏差，并改善了样本较少类别的学习效果。实验结果表明，在星系形态分类任务中，与监督学习相比，所提算法显著提升了性能。当标注数据量为100时，准确率和F1分数分别提高了12.8%和12.6%。与FixMatch、MixMatch等流行的半监督算法相比，所提算法的分类性能更优，大幅降低了各类别的准确率偏差。当标注数据量为1000时，与FixMatch相比，样本量最少的雪茄状平滑星系的准确率提升了37.94%。

Galaxy Morphology Classification Using a Semi-supervised Learning Algorithm Based on Dynamic Threshold

摘要

期刊

机构

引用论文