Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/1677| Análisis y clasificación de firmas espectrales utilizando técnicas de aprendizaje automático. | |
| ANA PATRICIA | |
| Raquel Díaz Hernández | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Techniques Learning Automatic | |
| The study of spectral signatures makes it possible to identify different objects of earth and sky, present in digital images. The elements that are in it make it have a particular feature, it is analogous to a fingerprint. Researcher’s study its spectral signature, which is made up of the physical, chemical, biological and wavelength properties of electromagnetic energy. It has multiple applications in different areas, such as geoscience and astronomy. In geoscience, the spectra are captured by satellites, once the solar radiation has penetrated the atmosphere, each type of surface interacts with the radiation in a way that absorbs wavelengths and reflects different ones. In astronomy, the spectra of the stars are captured by sensors, the electromagnetic radiation that comes from the stars emits wavelengths of the spectrum and several absorption lines. In relation to the study of stellar spectra, the National Institute of Astrophysics, Optics, and Electronics has at its disposal the set of digitized images of the astronomical plates that were taken with Schmidt Camera of Tonantzintla, from 1944 to 1994, during this period observations, it sampled the entire center of the galaxy and one of its poles. The collection of digitized images has been used in other works; researchers have dedicated to the study of stellar spectra, visually and automatically. With respect to automatic methods, in the present thesis work, a set of data is proposed, obtained from algorithms of extraction and selection of feature which results in the spectral signature of each stellar object. In this way, classification of stellar spectra of the proposed data set was made, using machine learning. The objective is to classify the largest number of stellar spectra and increase the classes and subclasses reported in previous works. To finish with the proposed, the results are reported up to 90.32% accuracy, for the main classes and subclasses of spectral type. El estudio de firmas espectrales, hace posible la identificación de distintos objetos de la tierra y del cielo, presentes en imágenes digitales. Los elementos que en ella se encuentran la hacen poseer características particulares que contiene información sobre la materia con la que interaccionó; es análoga a una huella digital. Los investigadores estudian firmas espectrales, que representan propiedades físicas, químicas y biológicas, a través de su interacción con la radiación emite determinadas longitudes de onda del espectro electromagnético. Tiene múltiples aplicaciones en diferentes áreas, tales como la geociencia y la astronomía. En geociencia, los espectros son captados por satélites. Una vez que la radiación solar ha traspasado la atmósfera, cada tipo de superficie interactúa con la radiación de manera que absorbe longitudes de onda y refleja otras diferentes. En astronomía, los espectros estelares son captados por sensores. La radiación electromagnética que proviene de las estrellas en las que llega poca o ninguna radiación, es emitida en determinadas longitudes de onda del espectro y tiene líneas de absorción. En relación con el estudio de espectros estelares, el Instituto Nacional de Astrofísica, Óptica y Electrónica tiene a su resguardo el acervo de imágenes digitalizadas de las placas astronómicas que fueron tomadas con la Cámara Schmidt de Tonantzintla, desde 1944 hasta 1994, durante este período se realizaron observaciones del cielo, donde se muestreo todo el centro de la galaxia y uno de sus polos. El acervo de imágenes digitalizadas, se ha utilizado en otros trabajos; investigadores se han dedicado al estudio de espectros estelares, tanto de forma visual como automática. Con respecto a métodos automáticos, en el presente trabajo de tesis se propone un conjunto de datos, obtenido de algoritmos de extracción y selección de características que da como resultado la firma espectral de cada objeto estelar. De este modo, se realizó una clasificación de espectros estelares del conjunto de datos propuesto, utilizando técnicas de aprendizaje automático. El objetivo es clasificar el mayor número de espectros estelares e incrementar las clases y subclases reportadas en trabajos previos. Para finalizar con lo propuesto, se reportan los resultados hasta un 90.32% de exactitud, para las clases y subclases principales de tipo espectral. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| 2019-02 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Avila Guzmán, A. P., (2019), Análisis y clasificación de firmas espectrales utilizando técnicas de aprendizaje automático, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| CIENCIAS DEL ESPACIO | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencia y Tecnología del Espacio |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| AvilaGAP.pdf | 2.22 MB | Adobe PDF | Visualizar/Abrir |