36、天文知识的数据挖掘与发现

天文知识的数据挖掘与发现

1. 坐标计算

首先，考虑提取的单位向量 $c_x$、$c_y$ 和 $c_z$，并将它们与上一步得到的 $D$ 相乘。分别使用以下方程计算 $X$、$Y$ 和 $Z$ 坐标的最终值：
- $X = D \times c_x$
- $Y = D \times c_y$
- $Z = D \times c_z$

2. 星系分类

我们的目的是挖掘天文数据中的复杂共定位规则。因此，需要在准备好的数据中添加星系类型。具体来说，使用关联规则挖掘技术处理准备好的数据时会用到星系类型。例如，类似于超市中的规则 ${面包 \to 奶酪}$，我们使用 ${星系类型 A \to 星系类型 B}$，该规则可解释为星系类型 A 的存在意味着星系类型 B 的存在。

SDSS 数据中原本没有星系类型信息，我们使用了几个参数来确定星系对象的类型，具体如下：
1. 根据紫外线 $U$ 和红光星等 $R$ 的差值分类 ：该差值用于将星系对象分为“早期”或“晚期”。如果差值 $\geq 2.22$，则星系被认为是“早期”；否则为“晚期”。
2. 根据 $r$ 波段 Petrosian 星等分类 ：该值用于指示星系是“主星系”（靠近地球）还是“发光红色星系”（LRG，远离地球）。如果 $r$ 波段 $\leq 17.77$，则星系对象是“主星系”；否则为 LRG。

综合上述分类，得到了四种星系类型：主星系 - 晚期、主星系 - 早期、LRG - 晚期和 LRG - 早期。

3. 挖掘最大团

挖掘最