Meteoroid Stream Identification with HDBSCAN Unsupervised Clustering Algorithm

doi:doi:10.3847/1538-3881/adec8c

2025-08-04

PRE

Eloy Peña‐Asensio

Fabio Ferrari

DOI：doi:10.3847/1538-3881/adec8c

原文链接

原文求助

摘要

En 中文

精确识别流星体流对于理解其起源和演化至关重要。然而，重叠的簇和背景噪声阻碍了分类，这一问题在依赖流星雨观测来推断月球流星体撞击参数的任务（如欧洲空间局的月球流星体撞击观测器）中更为突出。本研究评估了基于密度的层次空间聚类算法（HDBSCAN）在无监督流星体流识别中的性能，并将其结果与传统的全天流星监测相机（CAMS）查找表方法进行比较。我们使用三个特征向量分析CAMS流星体轨道数据库v3.0：LUTAB（CAMS地心参数）、ORBIT（日心轨道要素）和GEO（调整后的地心参数）。HDBSCAN应用了不同的最小簇尺寸和两种簇选择方法（eom和leaf）。为使HDBSCAN簇与CAMS分类对齐，匈牙利算法确定了最优映射。聚类性能通过轮廓系数、归一化互信息和F1分数评估，主成分分析进一步支持分析。使用GEO向量，HDBSCAN确认了39个流星体流，其中21个与CAMS高度一致。ORBIT向量识别出30个流，其中13个匹配度较高。活动较弱的流星雨在识别上存在挑战。eom方法始终表现出更优的性能和与CAMS的一致性。尽管HDBSCAN需要谨慎选择最小簇尺寸，但它能生成稳健且内部一致的簇，并在统计一致性上优于查找表方法。这些结果表明HDBSCAN在数学上具有一致性的流星体流识别潜力，但需要进一步验证以评估其物理有效性。

Keyword:

HDBSCAN

meteoroid streams

clustering algorithms

CAMS

orbit determination