雷國洪， 徐　洋，牛晨輝,3，田?？。瑥垙┫?，崔辰州，趙永恒

(1. 三峽大學(xué)，湖北 宜昌　443002； 2. 中國科學(xué)院國家天文臺，北京　100101； 3. 華中師范大學(xué)，湖北 武漢　430079)

我國自主研發(fā)的大天區(qū)面積多目標(biāo)光纖光譜天文望遠(yuǎn)鏡(Large Sky Area Multi-Object Fiber Spectroscopy Telescope, LAMOST)自2012年正式巡天以來，已經(jīng)獲取了700余萬條光譜，這些光譜為科學(xué)研究提供了豐富的數(shù)據(jù)基礎(chǔ)，科學(xué)家已經(jīng)利用這些數(shù)據(jù)取得了一系列高質(zhì)量的研究成果，發(fā)表學(xué)術(shù)論文近百篇。LAMOST為我國在天文學(xué)領(lǐng)域躋身世界先進(jìn)行列做出了重要貢獻(xiàn)。

從科學(xué)成果上看，LAMOST的大樣本數(shù)據(jù)優(yōu)勢吸引了眾多的科學(xué)家，一大批科學(xué)成果集中在特殊天體的搜尋或特殊樣本的構(gòu)建上，比如，文[1]的貧金屬星樣本的搜尋；文[2]的類星體樣本構(gòu)建；文[3]的M31/33附近類星體的搜尋；文[4]的白矮-主序雙星的搜尋；文[5]的DA型白矮星樣本的識別及相關(guān)科學(xué)研究；文[6]的Am星的樣本構(gòu)建；文[7]的碳星候選體搜尋；文[8]的星系對樣本證認(rèn)等等。LAMOST的樣本太大，啟動(dòng)這些研究工作往往需要首先設(shè)定一套復(fù)雜的判別條件并依靠各種數(shù)據(jù)挖掘算法或統(tǒng)計(jì)方法挑選目標(biāo)候選體，然后基于人工識譜和多波段測光信息綜合證認(rèn)候選體。機(jī)器篩選得到的候選體依然動(dòng)輒數(shù)千、數(shù)萬甚至數(shù)十萬，人工判別工作量巨大。

從數(shù)據(jù)質(zhì)量分布上看， LAMOST發(fā)布的700多萬條光譜中(以LAMOST DR4為例)，如圖1，除了600萬條較亮的恒星能被LAMOST批處理程序(pipeline)自動(dòng)處理給出結(jié)果外，11.8萬條星系光譜和4萬多條類星體光譜，由于信噪比低，pipeline自動(dòng)處理效果不好，有很大一部分純粹靠人工一條條識譜確定。還需要重點(diǎn)關(guān)注的是，5年巡天觀測已經(jīng)積累了62萬余條標(biāo)注為 “UNKNOWN” (未知光譜)的待識別光譜，這些天體大多數(shù)是因?yàn)樽陨硖担@取的光譜信噪比太低，傳統(tǒng)的算法無法處理；也可能有極少數(shù)奇異的天體，由于譜型太奇怪，傳統(tǒng)的算法無法識別，如文[9]提出了基于加權(quán)濾波的低信噪比光纖光譜信號降噪相關(guān)算法。隨著巡天觀測的不斷深入，這些未知光譜越積累越多。如何處理這些低質(zhì)量的數(shù)據(jù)，是現(xiàn)代統(tǒng)計(jì)學(xué)和數(shù)據(jù)挖掘技術(shù)面臨的一個(gè)挑戰(zhàn)。

圍繞LAMOST天文光譜的處理，在項(xiàng)目組的帶動(dòng)下，一批數(shù)據(jù)挖掘?qū)＜壹娂娂尤牍庾V處理的研究課題中，并取得了顯著的成果。然而，即使數(shù)據(jù)挖掘?qū)＜夷軐@些低信噪比光譜給出類別或參數(shù)估算值，天文學(xué)家依然抱著質(zhì)疑的態(tài)度放棄使用這些數(shù)據(jù)。這些光譜只有經(jīng)過人工識別后，才能提升其使用可信度。但是如此巨量的數(shù)據(jù)僅靠少數(shù)專家利用有限的時(shí)間、有限的精力完成人工處理是不可能的。

圖1LAMOST DR4數(shù)據(jù)分布示意圖，未知光譜記錄數(shù)已超過62萬條
Fig.1LAMOST DR4 with more than 620 thousand UNKNOWN objects

為了改善這種狀況，提出構(gòu)建基于數(shù)據(jù)挖掘的專家識譜平臺，利用先進(jìn)的信息技術(shù)及數(shù)據(jù)挖掘技術(shù)整合常見算法，研發(fā)一套集光譜數(shù)據(jù)管理、可視化與分析為一體的科學(xué)與科普教研專家識譜系統(tǒng)。

1　目標(biāo)分析及結(jié)構(gòu)設(shè)計(jì)

按照天文學(xué)家及天文教育工作者的設(shè)想，專家識譜平臺應(yīng)滿足以下4方面要求：

(1)集成多種可視化與分析工具、數(shù)據(jù)挖掘算法，使天文學(xué)家甚至普通學(xué)生搜尋特殊天體變得更加容易；

(2)圍繞低信噪比光譜，開展數(shù)據(jù)挖掘算法研究，利用機(jī)器盡可能多地挖掘有價(jià)值信息，減少人工識譜難度；

(3)支持團(tuán)隊(duì)協(xié)作工作模式，輔助天文教育工作者在教學(xué)過程中開展特殊天體搜尋、人工識譜等教研活動(dòng)，實(shí)現(xiàn)有天文特色的研究型素質(zhì)教育；

(4)能像國際星系動(dòng)物園(Galaxy Zoo)[10]項(xiàng)目一樣，通過發(fā)動(dòng)公眾力量，完成需要大量人工干預(yù)的天文光譜數(shù)據(jù)的處理工作，逐步消化LAMOST巡天不斷產(chǎn)出的未知光譜。

從上述需求出發(fā)，設(shè)計(jì)了一套專家識譜平臺。如圖2，平臺主要包括3個(gè)組成部分：數(shù)據(jù)挖掘?qū)?Data-mining Layer)、數(shù)據(jù)節(jié)點(diǎn)層(Data Node Layer)、專家識譜層(Expert Layer)。

圖2專家識譜平臺結(jié)構(gòu)示意圖
Fig.2The architecture of expert platform for spectral inspection

(1)數(shù)據(jù)挖掘?qū)樱横槍Φ托旁氡裙庾V，開展各種數(shù)據(jù)挖掘算法的研究，并利用這些算法最大限度地挖掘低信噪比光譜的科學(xué)價(jià)值。主要涉及低信噪比光譜的分類問題、恒星光譜的特征提取問題(給出部分恒星的大氣物理參數(shù)的參考值)、低信噪比星系及類星體的紅移測量問題。數(shù)據(jù)挖掘成果上傳至數(shù)據(jù)節(jié)點(diǎn)層，由服務(wù)器管理。

(2)數(shù)據(jù)節(jié)點(diǎn)層：管理用戶上傳的數(shù)據(jù)。從文件類型上看，主要包括用于存儲元數(shù)據(jù)的數(shù)據(jù)庫文件和存儲光譜數(shù)據(jù)的FITS文件；從數(shù)據(jù)訪問權(quán)限上看，包括對所有注冊用戶可見的公共數(shù)據(jù)(PublicDB)、組內(nèi)成員可見的組內(nèi)數(shù)據(jù)(GroupDB)以及用戶私有的個(gè)人數(shù)據(jù)(MyDB)3個(gè)數(shù)據(jù)層次。該層的數(shù)據(jù)封裝后通過開放數(shù)據(jù)庫連接(Open DataBase Connectivity, ODBC)或Java數(shù)據(jù)庫連接(Java DataBase Connectivity, JDBC)與專家層交互。

(3)專家識譜層：建立多平臺的客戶端，比如網(wǎng)絡(luò)客戶端、桌面應(yīng)用程序端、手機(jī)APP等實(shí)現(xiàn)對光譜數(shù)據(jù)的在線可視化與分析?？梢暬饕感潜頂?shù)據(jù)的可視化、光譜圖像的實(shí)時(shí)交互可視化、對應(yīng)的多波段數(shù)據(jù)融合可視化。數(shù)據(jù)分析主要包括紅移或視向速度的實(shí)時(shí)計(jì)算、光譜的便捷式模版匹配、譜線的標(biāo)示、數(shù)據(jù)查詢以及用戶反饋等功能。

數(shù)據(jù)挖掘?qū)咏涌谙鄬λ缮?，?shù)據(jù)挖掘的算法允許用戶圍繞具體的科學(xué)目標(biāo)自己定制，只要求輸出結(jié)果為平臺兼容的數(shù)據(jù)格式，平臺將逐步集成多種常見數(shù)據(jù)挖掘算法，譬如用于測光紅移、光譜分類、光譜特征提取等特定需求的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、主成分分析等算法。這部分體現(xiàn)平臺的高級功能，目前只是預(yù)留了大部分接口，后期根據(jù)用戶需求逐步實(shí)現(xiàn)。

數(shù)據(jù)節(jié)點(diǎn)層和專家識譜層耦合性較強(qiáng)，選擇在輕量級J2EE Spring框架下實(shí)現(xiàn)，其中數(shù)據(jù)庫選用天文上較為常用的MySQL數(shù)據(jù)庫，利用對象關(guān)系映射(Object Relational Mapping, ORM)插件實(shí)現(xiàn)星表數(shù)據(jù)的動(dòng)態(tài)管理，光譜數(shù)據(jù)分析與可視化界面通過Javascript、圖表處理顯示組件、Mallet小波降噪等插件實(shí)現(xiàn)。數(shù)據(jù)節(jié)點(diǎn)層和專家識譜層是識譜平臺的基本模塊，本文重點(diǎn)論述。

2　功能分析與實(shí)現(xiàn)

本節(jié)主要講述數(shù)據(jù)節(jié)點(diǎn)層和專家識譜層的功能分解與實(shí)現(xiàn)，其中數(shù)據(jù)節(jié)點(diǎn)層的數(shù)據(jù)管理，主要利用數(shù)據(jù)庫技術(shù)和網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)；專家識譜層中一維光譜數(shù)據(jù)的在線可視化與分析，主要通過Java圖表處理相關(guān)技術(shù)實(shí)現(xiàn)。專家識譜平臺目前主要設(shè)計(jì)了8項(xiàng)功能：用戶管理、數(shù)據(jù)訪問權(quán)限管理、數(shù)據(jù)上傳、數(shù)據(jù)檢索與下載、多波段信息融合、一維光譜數(shù)據(jù)的可視化與數(shù)據(jù)分析、專家信息反饋與知識庫管理、虛擬天文臺服務(wù)等。

2.1　用戶管理

平臺系統(tǒng)完全模擬真實(shí)科學(xué)研究團(tuán)隊(duì)的協(xié)作模式，將用戶劃分為4個(gè)層次：系統(tǒng)管理員、群管理員、專家用戶、匿名用戶。

(1)匿名用戶(Anonymous)：瀏覽開放信息，了解或?qū)W習(xí)相關(guān)知識，比如學(xué)習(xí)(Learning)模塊、常見問題解答(Frequently Asked Questions, FAQ)以及公開的數(shù)據(jù)，沒有導(dǎo)入數(shù)據(jù)的權(quán)限。

(2)專家用戶(Expert)：可以上傳自己的私有數(shù)據(jù)(包括光譜數(shù)據(jù)和星表數(shù)據(jù))，利用可視化工具識別、標(biāo)識光譜，將處理結(jié)果寫入數(shù)據(jù)庫。

(3)群管理員(GroupAdmin)：群管理員擁有創(chuàng)建新用戶、添加組員和刪除組員的權(quán)限，群管理員自動(dòng)成為新組成員。

(4)系統(tǒng)管理員(SystemAdmin)：除具有群管理員、專家用戶權(quán)限外，系統(tǒng)管理員可以創(chuàng)建群組并決定某用戶是群管理員還是普通用戶，同時(shí)負(fù)責(zé)為用戶分配最大可用存儲空間。

2.2　數(shù)據(jù)訪問權(quán)限管理

根據(jù)科學(xué)研究的實(shí)際需求，平臺將數(shù)據(jù)劃分為3個(gè)層次：個(gè)人數(shù)據(jù)(MyDB)、群組數(shù)據(jù)(GroupDB)、公共數(shù)據(jù)(PublicDB)，如圖3。

圖3平臺的三類數(shù)據(jù)庫個(gè)人數(shù)據(jù)、群組數(shù)據(jù)以及公共數(shù)據(jù)
Fig.3The three kinds of databases in the platform: MyDB, GroupDB and PublicDB

(1)個(gè)人數(shù)據(jù)：用戶自己上傳的數(shù)據(jù)表，該數(shù)據(jù)為私有數(shù)據(jù)，僅上傳者自己可見。

(2)群組數(shù)據(jù)：群內(nèi)共享的數(shù)據(jù)表，該數(shù)據(jù)由數(shù)據(jù)上傳者提交群內(nèi)共享申請，由群管理員審核決定數(shù)據(jù)是否對群內(nèi)所有成員可見。

(3)公共數(shù)據(jù)：可被所有注冊用戶訪問的數(shù)據(jù)表，該數(shù)據(jù)由群管理員提交申請，由系統(tǒng)管理員審核決定數(shù)據(jù)是否讓所有用戶可見。

2.3　數(shù)據(jù)上傳

平臺的數(shù)據(jù)類型主要分為兩類：星表數(shù)據(jù)和一維光譜數(shù)據(jù)。數(shù)據(jù)上傳界面如圖4。

圖4CSV星表數(shù)據(jù)與FITS文件的上傳
Fig.4The upload UI of CSV catalog and FITS spectrum files

(1)星表數(shù)據(jù)：系統(tǒng)主要支持CSV文件格式。用戶上傳CSV文件數(shù)據(jù)入庫，系統(tǒng)在個(gè)人數(shù)據(jù)中生成對應(yīng)數(shù)據(jù)表。CSV文件的第1行被自動(dòng)識別為數(shù)據(jù)表的字段名，CSV文件名默認(rèn)為數(shù)據(jù)表名稱(用戶也可以自己指定表名稱)。

(2)光譜數(shù)據(jù)：系統(tǒng)主要支持FITS文件。主要通過兩種方式獲取FITS文件：像LAMOST、SDSS這樣的大型巡天，通常都已經(jīng)將數(shù)據(jù)發(fā)布在網(wǎng)上，用戶只需要在上傳的星表數(shù)據(jù)中提供mjd、plateID、fiberID等唯一標(biāo)識光譜的信息，系統(tǒng)自動(dòng)為用戶定位相應(yīng)的FITS文件；像興隆2.16 m、麗江2.4 m等望遠(yuǎn)鏡產(chǎn)出的小樣本光譜數(shù)據(jù)，用戶需要自己將FITS文件打包上傳至平臺。

2.4　數(shù)據(jù)檢索和下載

這里的數(shù)據(jù)檢索有兩層含義：(1)星表文件的檢索；(2)所選擇星表的內(nèi)容和用戶反饋記錄的檢索。如圖5，如果管理的星表較多，可能需要匹配表名、關(guān)鍵字、數(shù)據(jù)源等條件檢索用戶想要的星表。

圖5星表文件的檢索
Fig.5The query UI of Catalogs

用戶可能不熟悉數(shù)據(jù)庫查詢語言，為此，系統(tǒng)提供了動(dòng)態(tài)生成常見檢索條件表達(dá)式及其按照 “與”、 “或” 關(guān)系組合形成復(fù)雜樹形邏輯結(jié)構(gòu)檢索條件的功能，如圖6。對查詢結(jié)果，全選或部分選中左側(cè)的復(fù)選框，點(diǎn)擊右側(cè)的下載 “Download” 按鈕，可以打包下載數(shù)據(jù)，如圖7。

圖6星表數(shù)據(jù)及反饋高級檢索
Fig.6The advanced query UI of catalog and feedbacks

圖7星表數(shù)據(jù)檢索及下載
Fig.7The query and download of catalog

2.5　多波段信息融合

在科學(xué)研究過程中，科學(xué)家除了查看天體的某條光譜數(shù)據(jù)外，通常還需要綜合多波段的圖像或光譜信息，以便準(zhǔn)確判斷天體類型或測量天體的物理參數(shù)。為此，平臺提供接口融合SDSS、2MASS等巡天望遠(yuǎn)鏡的測光圖像數(shù)據(jù)。查詢界面如圖8，查詢結(jié)果如圖9。

圖8多波段數(shù)據(jù)融合界面
Fig.8The UI of Multi-band combinations

2.6　光譜數(shù)據(jù)可視化與數(shù)據(jù)分析

該部分包括光譜的局部縮放、譜線標(biāo)注、等值寬度測量、小波濾波降噪、170多種光譜的模版匹配、紅移自動(dòng)測量、圖像保存、打印等基本操作。人機(jī)交互操作完全通過瀏覽器實(shí)現(xiàn)光譜可視化，不需要額外安裝任何插件。顯示界面如圖10。

圖9多波段查詢示例：利用SDSS的SkyServer工具[11]，并根據(jù)傳入的赤經(jīng)和赤緯自動(dòng)定位測光圖像

Fig.9An example of Multi-band query: the SDSS Skyserver automatically targets the photometric image with the input parameters, i. e. RA and DEC

圖10FITS光譜的可視化與數(shù)據(jù)分析，藍(lán)色曲線為LAMOST觀測光譜，黑色曲線為QSO光譜模版，紅色虛線為Hα發(fā)射線，該發(fā)射線及整個(gè)模版光譜可跟隨鼠標(biāo)自由移動(dòng)，以尋求模版與觀測光譜的最佳匹配

Fig.10The display and analysis of a fits spectrum, the blue curve is the LAMOST observed spectrum, the black curve is a QSO spectrum template, the red dashed line marks the location of Hα emission line, which and the whole template are movable along with the cursor

通常利用批處理程序pipeline對巡天獲取的光譜進(jìn)行自動(dòng)模版匹配，基于最佳匹配進(jìn)行類型判斷和參數(shù)測量。然而，pipeline對低信噪比光譜的處理效果不好，因此LAMOST產(chǎn)出了相當(dāng)一部分未知光譜，這些光譜不應(yīng)該被遺忘。

平臺提供全面的恒星、星系以及類星體模版，用以幫助用戶實(shí)現(xiàn)人機(jī)交互式模版匹配。用戶挑選模版，通過蒙罩技術(shù)剔除光譜上不可靠部分，完成粗略匹配后，系統(tǒng)將自動(dòng)尋求最佳匹配位置，并自動(dòng)計(jì)算天體物理參數(shù)(紅移或視向速度等)。

2.7　專家信息反饋與知識庫

如圖11，對于每條光譜，專家可以通過光譜可視化與分析模塊完成人工處理，并將處理結(jié)果反饋至數(shù)據(jù)庫。群組數(shù)據(jù)和公共數(shù)據(jù)中的每一條光譜，可能會被多個(gè)用戶分析處理，平臺將記錄每位用戶的分析結(jié)果，并形成列表，供科學(xué)家參考。經(jīng)過長時(shí)間運(yùn)行后，系統(tǒng)將收集形成一系列專家知識庫。

圖11光譜信息用戶反饋界面
Fig.11The UI of feedback from users

2.8　虛擬天文臺服務(wù)

國際虛擬天文臺聯(lián)盟一直致力于將全球范圍內(nèi)的研究資源無縫透明地連接在一起，形成數(shù)據(jù)密集型網(wǎng)絡(luò)化天文研究平臺。經(jīng)過十幾年的發(fā)展，已經(jīng)擁有了豐富的數(shù)據(jù)資源、服務(wù)資源，包括由從高能伽瑪射線一直到射電的全波段數(shù)據(jù)信息，并且基于這些數(shù)據(jù)，研發(fā)了很多優(yōu)秀的軟件工具，比如Topcat*http://andromeda.star.bris.ac.uk/topcat/tutorial/topcat-tagung.pdf、Aladin[12]、NED[13]、SkyServer[11]、SciServer等。平臺將通過后臺腳本，實(shí)現(xiàn)與這些服務(wù)或數(shù)據(jù)的對接。

3　應(yīng)用案例

本節(jié)以高校天文選修課的主要教學(xué)環(huán)節(jié)設(shè)計(jì)為例展示專家識譜平臺的使用功效：

(1)課前，文[7-8]挑選的318顆白矮-主序雙星樣本與一些普通恒星的樣本數(shù)據(jù)混合并導(dǎo)入平臺，同時(shí)按照學(xué)號為學(xué)生批量注冊賬號，并設(shè)為同一組成員。

(2)在學(xué)生初步了解 《恒星的一生》 這一章節(jié)后，教師又專門介紹了一些奇特的恒星系統(tǒng)及其科學(xué)意義，在平臺上演示了各種白矮主序-雙星的測光圖像、光譜特征，最后分組交叉分發(fā) “白矮-主序雙星搜尋” 任務(wù)。

(3)在接下來的第2課時(shí)，為調(diào)動(dòng)學(xué)生的積極性，特意為學(xué)生安排了一次天文觀測活動(dòng) “輦道增七”，用普通的科普望遠(yuǎn)鏡看它是一黃一藍(lán)的雙星，該雙星與學(xué)生要搜尋的白矮-主序雙星很像，但存在一些本質(zhì)上的區(qū)別。在高倍望遠(yuǎn)鏡下，黃色的輦道增七A本身還是一個(gè)聯(lián)星，藍(lán)色的輦道增七B是一顆快速自轉(zhuǎn)的Be星。

(4)要求每個(gè)學(xué)生至少人工識別50條不同的光譜，并在一個(gè)月之后提交一份簡單的研究報(bào)告。

圖12中的兩幅圖像都截取于專家識譜測試平臺，在平臺上，學(xué)生僅需要三到五次鼠標(biāo)點(diǎn)擊即可獲取類似的圖像。普通學(xué)生通過左邊天體的圖像可以很好地判斷是否屬于雙星候選體，如果要進(jìn)一步確定，需要分析右邊的光譜圖像，光譜圖像是系統(tǒng)直接讀取FITS文件實(shí)時(shí)動(dòng)態(tài)展示的，支持互動(dòng)式操作。右邊藍(lán)色曲線是LAMOST的實(shí)測光譜，經(jīng)過小波濾波處理(僅需一次鼠標(biāo)點(diǎn)擊)，消除了大部分噪聲信號，使光譜變得平滑，而黑色曲線是經(jīng)過兩次鼠標(biāo)點(diǎn)擊后從系統(tǒng)調(diào)取的白矮星光譜模版。通過藍(lán)色和黑色曲線對比不難發(fā)現(xiàn)，藍(lán)色曲線在波長大約650 nm之后的紅端，與模版的譜型匹配得不好，這主要是因?yàn)樵摴庾V的紅端部分由其伴星(圖12(a)偏紅的矮星)貢獻(xiàn)，光譜的紅端部分可以用矮星的模版很好地匹配。

圖12白矮-主序雙星候選體的測光照片(a)及LAMOST拍攝的光譜圖像(b)

Fig.12The photometry image of white dwarf-main sequence binary star candidates (a) and their spectrum of LAMOST (b)

識譜平臺記錄每位同學(xué)的識譜結(jié)果，教師(群組管理員)很容易檢索那些被多個(gè)學(xué)生同時(shí)確認(rèn)為白矮-主序雙星的記錄。被不同學(xué)生確認(rèn)的次數(shù)越多，該天體屬于白矮-主序雙星的概率越大。通過這樣的研究型教學(xué)活動(dòng)發(fā)現(xiàn)，學(xué)生對浩瀚宇宙中那些肉眼看不見但客觀存在的東西非常感興趣，通過興趣誘導(dǎo)，平時(shí)或期末成績鼓勵(lì)，大部分學(xué)生能積極參與，共同努力將絕大多數(shù)的白矮-主序雙星找出來。教師還可以將那些非常疑似的白矮-主序雙星提取出來，分配給物理學(xué)院的學(xué)生或?qū)μ煳膶W(xué)真正感興趣的學(xué)生，利用學(xué)校每年開展的大學(xué)生科技立項(xiàng)活動(dòng)或本科畢業(yè)設(shè)計(jì)的機(jī)會，讓學(xué)生進(jìn)一步研究哪些雙星屬于共包層后雙星候選體。

除了上述的應(yīng)用案例外，目前該平臺還可以很好地應(yīng)用于類星體的人工搜尋(譬如圖10)、星系對搜尋、碳星搜尋等科學(xué)目標(biāo)上，既可通過個(gè)人方式完成，也可支持團(tuán)隊(duì)協(xié)助模式進(jìn)行。

4　總結(jié)與展望

本文概述從光譜數(shù)據(jù)處理的需求出發(fā)，基于先進(jìn)的信息技術(shù)研發(fā)一套專家識譜平臺,以網(wǎng)站形式對外發(fā)布服務(wù)，幫助科學(xué)家提高人工識譜效率，幫助天文教育工作者豐富教學(xué)形式，幫助消化未知光譜。

目前該平臺還需要繼續(xù)集成多種數(shù)據(jù)挖掘算法，正與國際知名的一維光譜可視化軟件SPLAT-VO[14]的作者合作，使SPLAT-VO成為專家識譜平臺的主要客戶端之一。希望經(jīng)過不斷完善，使該平臺成為我國大科學(xué)工程LAMOST不可或缺的光譜數(shù)據(jù)處理平臺，并使之成為天文光譜科普教育的首選平臺。

參考文獻(xiàn)：

[1]Li H N, Zhao G, Christlieb N, et al. Test observations that search for metal-poor stars with the Guoshoujing Telescope (LAMOST) [J]. Resarch in Astronomy and Astrophysics, 2010, 10(8): 753-760.

[2]Wu X B, Chen Z Y, Jia Z D, et al. A very bright (i=16.44) quasar in the ′redshift desert′ discovered by the Guoshoujing Telescope (LAMOST) [J]. Resarch in Astronomy and Astrophysics, 2010, 10(8): 737-744.

[3]Huo Z Y, Liu X W, Xiang M S, et al. The LAMOST survey of background quasars in the vicinity of the Andromeda and Triangulum galaxies-II. results from the commissioning observations and the pilot surveys[J]. The Astronomical Journal, 2013, 145(6): 159-167.

[4]Ren J J, Luo A L, Li Y B, et al. White dwarf-main sequence binaries identified from the LAMOST pilot survey[J]. The Astronomical Journal, 2013, 146(4): 82-93.

[5]Zhao J K, Luo A L, Oswalt T D, et al. 72 DA white dwarfs identified in the LAMOST pilot survey[J]. The Astronomical Journal, 2013, 145(6): 169-187.

[6]Hou W, Luo A L, Yang H F, et al. A large sample of Am candidates from LAMOST Data Release 1[J]. Monthly Notices of the Royal Astronomical Society, 2015, 449(2): 1401-1407.

[7]Ji W. Carbon star candidates identified from LAMOST DR2[C]// 中國天文學(xué)會2015年學(xué)術(shù)年會摘要集. 2015: 67.

[8]Shen S Y, Maria A F, Chen L, et al. A sample galaxy pairs identified from the LAMOST spectral survey and the Sloan Digital Sky Survey[J]. Resarch in Astronomy and Astrophysics, 2016(3): 63-72.

[9]毛曉艷, 張博, 葉中付. 基于加權(quán)濾波的低信噪比LAMOST光纖光譜信號降噪[J]. 天文研究與技術(shù), 2015, 12(4): 447-454.

Mao Xiaoyan, Zhang Bo, Ye Zhongfu. Using weighted filtering to denoise low-SNR spectra observed through the LAMOST fiber optics[J]. Astronomy Research & Technology, 2015, 12(4): 447-454.

[10]Raddick J, Lintott C J, Schawinski K, et al. Galaxy Zoo: an experiment in public science participation[J]. Advances in Atmospheric Sciences, 2007, 39: 892.

[11]Szalay A S, Gray J, Thakar A R, et al. The SDSS skyserver: public access to the sloan digital sky server data[C]// Proceedings of the 2002 ACM SIGMOD international conference on Management of data. 2002: 570-581.

[12]Bonnarel F, Fernique P, Bienaymé O, et al. The ALADIN interactive sky atlas: a reference tool for identification of astronomical sources[J]. Astronomy & Astrophysics Supplement, 2000, 143: 33-40.

[13]Helou G, Madore B F, Bicay M D, et al. The NASA/IPAC extragalactic database[C]// Proceedings on the 6th Workshop of the Advanced School of Astronomy of the Ettore Majorana Centre. 1991: 89-106.