Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey

Recientemente, los métodos supervisados de aprendizaje han sido usados en la búsqueda de estrellas variables, basándose en las propiedades de sus curvas de luz. Estos métodos desarrollan el proceso de clasificación a partir de una muestra de entrenamiento previamente clasificada. El algoritmo de cla...

Full description

Autores:
Rodríguez Feliciano, Bayron Stevenson
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/13966
Acceso en línea:
http://hdl.handle.net/1992/13966
Palabra clave:
Estrellas variables - Investigaciones
Análisis del vecino más cercano (Estadística)
Astrofísica - Investigaciones
Investigaciones
Física
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/4.0/
id UNIANDES2_8dd75be02d91f50b2092614c178048fc
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/13966
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
title Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
spellingShingle Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
Estrellas variables - Investigaciones
Análisis del vecino más cercano (Estadística)
Astrofísica - Investigaciones
Investigaciones
Física
title_short Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
title_full Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
title_fullStr Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
title_full_unstemmed Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
title_sort Aplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV Survey
dc.creator.fl_str_mv Rodríguez Feliciano, Bayron Stevenson
dc.contributor.advisor.none.fl_str_mv García Varela, José Alejandro
Sabogal Martínez, Beatriz Eugenia
Quiroz Salazar, Adolfo José
dc.contributor.author.none.fl_str_mv Rodríguez Feliciano, Bayron Stevenson
dc.subject.keyword.es_CO.fl_str_mv Estrellas variables - Investigaciones
Análisis del vecino más cercano (Estadística)
Astrofísica - Investigaciones
Investigaciones
topic Estrellas variables - Investigaciones
Análisis del vecino más cercano (Estadística)
Astrofísica - Investigaciones
Investigaciones
Física
dc.subject.themes.none.fl_str_mv Física
description Recientemente, los métodos supervisados de aprendizaje han sido usados en la búsqueda de estrellas variables, basándose en las propiedades de sus curvas de luz. Estos métodos desarrollan el proceso de clasificación a partir de una muestra de entrenamiento previamente clasificada. El algoritmo de clasificación usado en este trabajo es construido escogiendo propiedades estadísticas de cada elemento de la muestra de entrenamiento. Los métodos usados en este trabajo son: k-vecinos más cercanos, árboles de clasificación, bosques aleatorios, y máquinas de soporte vectorial. Se usan datos en infrarrojo cercano de un campo seleccionado del Bulbo Galáctico, recolectado por el proyecto Vista Variables in the Via Lactea Survey. Para el conjunto de magnitudes en banda Ks de cada estrella, son computados los estadísticos robustos: mediana, desviación absoluta mediana, sesgo octil y pesos de sus colas. Los estadísticos escogidos no dependen del cálculo del periodo (obtenido vía análisis de Fourier, análisis de varianzas u otro algoritmo) así que los métodos supervisados descritos en este trabajo son una alternativa a los métodos convencionales. Usando los métodos de clasificación supervisados desarrollados, se clasifican los tipos de estrellas variables RR Lyræ y Binarias Eclipsantes W Ursæ majoris. Una vez entrenados los algoritmos, su eficacia es estimada de acuerdo a su desempeño sobre una muestra ya clasificada. La afinidad de cada método para detectar tipos específicos de variabilidad también es estimada
publishDate 2016
dc.date.issued.none.fl_str_mv 2016
dc.date.accessioned.none.fl_str_mv 2018-09-28T11:04:57Z
dc.date.available.none.fl_str_mv 2018-09-28T11:04:57Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/13966
dc.identifier.pdf.none.fl_str_mv u754435.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/13966
identifier_str_mv u754435.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 121 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ciencias - Física
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ciencias
dc.publisher.department.es_CO.fl_str_mv Departamento de Física
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/d3af88ef-bc85-482a-ac38-26dd6644fe29/download
https://repositorio.uniandes.edu.co/bitstreams/60582566-0a05-41b6-a7f9-1ad5337f5896/download
https://repositorio.uniandes.edu.co/bitstreams/4b1d1935-e540-4c37-9b15-d51e253401cc/download
bitstream.checksum.fl_str_mv bd91c174f7a1facb45f96d0ea041f12b
eb960b2e78740eaaffbc9f80e9f43509
322edb6fd88d64288d9a038a5c6d7f8f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134001342676992
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2García Varela, José Alejandro4cc9bf46-5eed-48ab-8d02-6e0cfe98023d400Sabogal Martínez, Beatriz Eugeniavirtual::12712-1Quiroz Salazar, Adolfo Josévirtual::12713-1Rodríguez Feliciano, Bayron Stevenson265685002018-09-28T11:04:57Z2018-09-28T11:04:57Z2016http://hdl.handle.net/1992/13966u754435.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Recientemente, los métodos supervisados de aprendizaje han sido usados en la búsqueda de estrellas variables, basándose en las propiedades de sus curvas de luz. Estos métodos desarrollan el proceso de clasificación a partir de una muestra de entrenamiento previamente clasificada. El algoritmo de clasificación usado en este trabajo es construido escogiendo propiedades estadísticas de cada elemento de la muestra de entrenamiento. Los métodos usados en este trabajo son: k-vecinos más cercanos, árboles de clasificación, bosques aleatorios, y máquinas de soporte vectorial. Se usan datos en infrarrojo cercano de un campo seleccionado del Bulbo Galáctico, recolectado por el proyecto Vista Variables in the Via Lactea Survey. Para el conjunto de magnitudes en banda Ks de cada estrella, son computados los estadísticos robustos: mediana, desviación absoluta mediana, sesgo octil y pesos de sus colas. Los estadísticos escogidos no dependen del cálculo del periodo (obtenido vía análisis de Fourier, análisis de varianzas u otro algoritmo) así que los métodos supervisados descritos en este trabajo son una alternativa a los métodos convencionales. Usando los métodos de clasificación supervisados desarrollados, se clasifican los tipos de estrellas variables RR Lyræ y Binarias Eclipsantes W Ursæ majoris. Una vez entrenados los algoritmos, su eficacia es estimada de acuerdo a su desempeño sobre una muestra ya clasificada. La afinidad de cada método para detectar tipos específicos de variabilidad también es estimadaRecently, supervised learning methods have been used to search for variable stars, based on the properties of the light curves. These methods develop the process of classification using a previous classified training set. The classification algorithm used in this project, is built by choosing statistic, properties of each element of the training sample. In this work the methods used are k-nearest neighbors, support vector machines, classification trees, and random forests. We use near infrared data of a selected field in the Galactic Bulge, collected by the Vista Variables in the Via Lactea Survey. For the set of magnitudes in the K s band of each star, we compute the robust statistics: median, median absolute deviation, octile skewness and tails weight. The statistics selected do not depend on a calculation of the period (obtained via Fourier analysis, analysis of variance or any of the algorithm), so the learning methods described in this project, are an alternative for the conventional methods. Using the supervised learning methods developed, we classify the types of variable stars such as RR Lyræ and Eclipsing Binaries W Ursæ majoris. Once trained the algorithms, their efficacy is estimated according of their performance in a previously classified sample. The affinity of each method for detecting specific classes of variability is also estimatedMagíster en FísicaMaestría121 hojasapplication/pdfspaUniandesMaestría en Ciencias - FísicaFacultad de CienciasDepartamento de Físicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaAplicación de técnicas supervisadas en la búsqueda de estrellas variables en campos seleccionados del VVV SurveyTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMEstrellas variables - InvestigacionesAnálisis del vecino más cercano (Estadística)Astrofísica - InvestigacionesInvestigacionesFísicaPublicationhttps://scholar.google.es/citations?user=qwMDh-4AAAAJvirtual::12713-10000-0003-4033-3400virtual::12713-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000382310virtual::12712-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001497101virtual::12713-11d39bc41-f9d3-461b-a7cc-84296451800fvirtual::12712-11be19e5b-39c2-4d92-b44f-b9b4a48991cavirtual::12713-11d39bc41-f9d3-461b-a7cc-84296451800fvirtual::12712-11be19e5b-39c2-4d92-b44f-b9b4a48991cavirtual::12713-1THUMBNAILu754435.pdf.jpgu754435.pdf.jpgIM Thumbnailimage/jpeg9981https://repositorio.uniandes.edu.co/bitstreams/d3af88ef-bc85-482a-ac38-26dd6644fe29/downloadbd91c174f7a1facb45f96d0ea041f12bMD55TEXTu754435.pdf.txtu754435.pdf.txtExtracted texttext/plain139881https://repositorio.uniandes.edu.co/bitstreams/60582566-0a05-41b6-a7f9-1ad5337f5896/downloadeb960b2e78740eaaffbc9f80e9f43509MD54ORIGINALu754435.pdfapplication/pdf4924096https://repositorio.uniandes.edu.co/bitstreams/4b1d1935-e540-4c37-9b15-d51e253401cc/download322edb6fd88d64288d9a038a5c6d7f8fMD511992/13966oai:repositorio.uniandes.edu.co:1992/139662024-03-13 14:45:24.621http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co