Evolutionary Synthesis of Automatic Classification on Astroinformatic Big Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F16%3A86097583" target="_blank" >RIV/61989100:27740/16:86097583 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27240/16:86097583

Výsledek na webu

<a href="http://dx.doi.org/10.1080/17445760.2016.1194984" target="_blank" >http://dx.doi.org/10.1080/17445760.2016.1194984</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1080/17445760.2016.1194984" target="_blank" >10.1080/17445760.2016.1194984</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evolutionary Synthesis of Automatic Classification on Astroinformatic Big Data

Popis výsledku v původním jazyce

This article describes using of new approach to automatic classification of big data records in Be and B[e] stars spectra in large astrophysical archives. With enormous amount of these data it is no longer feasible to analyse it using classical approaches. We introduce evolutionary synthesis of the classification by means of so called analytic programming (AP), one of methods of symbolic regression. By using this method, we synthesise the most suitable mathematical models that approximate chosen samples of the stellar spectra. As a result is then selected the class whose synthesised formula has the lowest difference (i.e. the most similar) compared to the particular spectrum. The results show us that classification of stellar spectra by means of AP is able to identify different shapes of the spectra and classify them.

Název v anglickém jazyce

Evolutionary Synthesis of Automatic Classification on Astroinformatic Big Data

Popis výsledku anglicky

This article describes using of new approach to automatic classification of big data records in Be and B[e] stars spectra in large astrophysical archives. With enormous amount of these data it is no longer feasible to analyse it using classical approaches. We introduce evolutionary synthesis of the classification by means of so called analytic programming (AP), one of methods of symbolic regression. By using this method, we synthesise the most suitable mathematical models that approximate chosen samples of the stellar spectra. As a result is then selected the class whose synthesised formula has the lowest difference (i.e. the most similar) compared to the particular spectrum. The results show us that classification of stellar spectra by means of AP is able to identify different shapes of the spectra and classify them.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

International Journal of Parallel, Emergent and Distributed Systems

ISSN

1744-5760

e-ISSN

—

Svazek periodika

Neuvedeno

Číslo periodika v rámci svazku

2016-07-21

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

19

Strana od-do

1-19

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-84978726263