Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
El objetivo principal de este proyecto es caracterizar cúmulos abiertos en la Vía Láctea por medio de aprendizaje automático no supervisado usando el algoritmo de agrupamiento Density-based spatial clustering of applications with noise (DBSCAN), usando la base de datos Gaia DR2 con el fin de obtener...
- Autores:
-
Amar Lesmes, Andrés Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/51274
- Acceso en línea:
- http://hdl.handle.net/1992/51274
- Palabra clave:
- Vía Láctea
Astronomía
Cúmulos estelares
Aprendizaje automático (Inteligencia artificial)
Análisis cluster
Física
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/