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...

Full description

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/
id UNIANDES2_d590d6638382d1483866f09f87d73fbb
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51274
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
title Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
spellingShingle Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
Vía Láctea
Astronomía
Cúmulos estelares
Aprendizaje automático (Inteligencia artificial)
Análisis cluster
Física
title_short Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
title_full Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
title_fullStr Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
title_full_unstemmed Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
title_sort Cluster analysis and unsupervised machine learning applied to find open star clusters in the Milky Way
dc.creator.fl_str_mv Amar Lesmes, Andrés Felipe
dc.contributor.advisor.none.fl_str_mv García Varela, José Alejandro
dc.contributor.author.none.fl_str_mv Amar Lesmes, Andrés Felipe
dc.subject.armarc.none.fl_str_mv Vía Láctea
Astronomía
Cúmulos estelares
Aprendizaje automático (Inteligencia artificial)
Análisis cluster
topic Vía Láctea
Astronomía
Cúmulos estelares
Aprendizaje automático (Inteligencia artificial)
Análisis cluster
Física
dc.subject.themes.none.fl_str_mv Física
description 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 datos estándares y usados en la literatura para su futura comparación. Los resultados del algoritmo DBSCAN muestran una eficiencia muy alta con respecto a lo comparado en la literatura para los cúmulos de Beehive, Pleiades, NGC 2451, Hyades, Blanco 1 y el cúmulo doble de Perseo. Las estructuras se filtraron de forma precisa y el análisis muestra que los diagramas de color magnitud son similares a la literatura. Se propuso un nuevo parámetro para el algoritmo DBSCAN encargado de optimizar el tiempo de ejecución, gananado así mismo tiempo de cómputo para grandes volúmenes de datos. Los miembros de cada cúmulo calculados son muy similares y en algunos casos superiores a los encontrados en la literatura. Para obtener un mejor modelamiento de los datos es preciso calcular detalladamente de forma iterativa combinaciones de parámetros.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:18:16Z
dc.date.available.none.fl_str_mv 2021-08-10T18:18:16Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51274
dc.identifier.pdf.none.fl_str_mv 23600.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/1992/51274
identifier_str_mv 23600.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv eng
language eng
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.none.fl_str_mv 67 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Física
dc.publisher.faculty.none.fl_str_mv Facultad de Ciencias
dc.publisher.department.none.fl_str_mv Departamento de Física
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/4b764101-faa2-4b14-b69c-370498d202c7/download
https://repositorio.uniandes.edu.co/bitstreams/2192bad6-93ea-4fd4-a07b-0e7ecc089978/download
https://repositorio.uniandes.edu.co/bitstreams/a87d1faa-7d88-45a6-9977-09639be8bb92/download
bitstream.checksum.fl_str_mv 3948c88102cf9c163e1e67fcd071205a
1c00d3046e9ce1e943224b66819e0423
b49789b59f19c25590e40c2a80cb6b21
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_ 1812133906679332864
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 Alejandrovirtual::6886-1Amar Lesmes, Andrés Felipe188d0dc8-43ca-4bfb-a700-9c4199f6cb8d5002021-08-10T18:18:16Z2021-08-10T18:18:16Z2020http://hdl.handle.net/1992/5127423600.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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 datos estándares y usados en la literatura para su futura comparación. Los resultados del algoritmo DBSCAN muestran una eficiencia muy alta con respecto a lo comparado en la literatura para los cúmulos de Beehive, Pleiades, NGC 2451, Hyades, Blanco 1 y el cúmulo doble de Perseo. Las estructuras se filtraron de forma precisa y el análisis muestra que los diagramas de color magnitud son similares a la literatura. Se propuso un nuevo parámetro para el algoritmo DBSCAN encargado de optimizar el tiempo de ejecución, gananado así mismo tiempo de cómputo para grandes volúmenes de datos. Los miembros de cada cúmulo calculados son muy similares y en algunos casos superiores a los encontrados en la literatura. Para obtener un mejor modelamiento de los datos es preciso calcular detalladamente de forma iterativa combinaciones de parámetros.The main intention of this project is to characterize open clusters of the Milky Way via unsupervised machine learning with the clustering algorithm density-based spatial clustering of applications with noise (DBSCAN), the data used was retrieved from Gaia DR2 in favor of having standard data for further analysis based on literature and comparison also with it. The performance of the DBSCAN algorithm shows a highly efficiency seeking the clusters compared with the literature, for the open clusters Beehive, Pleiades, NGC 2451, Hyades, Blanco 1 and Persei double cluster. The structures were filtered in a precise way and the analysis of the colour-magnitude diagram are similar to what was previously described. A new parameter was proposed for the DBSCAN algorithm in charge of optimizing the execution time, also gaining computing time for large volumes of data. The calculated members of each cluster are very similar and in some cases higher than those found in the literature. To obtain a better modeling of the data, combinations of parameters must be calculated in detail in an iterative way.FísicoPregrado67 hojasapplication/pdfengUniversidad de los AndesFísicaFacultad de CienciasDepartamento de FísicaCluster analysis and unsupervised machine learning applied to find open star clusters in the Milky WayTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPVía LácteaAstronomíaCúmulos estelaresAprendizaje automático (Inteligencia artificial)Análisis clusterFísica201410873Publication88a1271b-7c5b-4cba-a02a-87878aba01e4virtual::6886-188a1271b-7c5b-4cba-a02a-87878aba01e4virtual::6886-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000382418virtual::6886-1ORIGINAL23600.pdfapplication/pdf8593115https://repositorio.uniandes.edu.co/bitstreams/4b764101-faa2-4b14-b69c-370498d202c7/download3948c88102cf9c163e1e67fcd071205aMD51TEXT23600.pdf.txt23600.pdf.txtExtracted texttext/plain68764https://repositorio.uniandes.edu.co/bitstreams/2192bad6-93ea-4fd4-a07b-0e7ecc089978/download1c00d3046e9ce1e943224b66819e0423MD54THUMBNAIL23600.pdf.jpg23600.pdf.jpgIM Thumbnailimage/jpeg8159https://repositorio.uniandes.edu.co/bitstreams/a87d1faa-7d88-45a6-9977-09639be8bb92/downloadb49789b59f19c25590e40c2a80cb6b21MD551992/51274oai:repositorio.uniandes.edu.co:1992/512742024-03-13 13:17:50.108http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co