AUTOMATIZACIÓN DEL PROCESO DE DETECCIÓN Y CLASIFICACIÓN DE ESTRELLAS VARIABLES DE LARGO PERÍODO

HORTH MEDINA, PATRICIO IGNACIO

2019

Las estrellas variables han sido estudiadas ampliamente durante las últimas décadas, logrando grandes avances que han ayudado a entender la evolución estelar y generar una taxonomía bien definida para estas. Sin embargo, existen estrellas variables de baja amplitud que sólo son identificables en el largo período. Las cuales han sido poco estudiadas, debido a las dificultades de adquisición y procesamiento de series tiempo a escalas temporales altas, quedando así una gran cantidad de información sin estudiar y la interrogante de por qué ocurre este comportamiento. Por otro lado, el uso de técnicas de aprendizaje automático ha sido ampliamente aceptado para el estudio de estrellas variables de corto periodo automatizando su clasificación y facilitando el trabajo de astrónomos y astrofísicos. Por lo tanto, se espera que este tipo de técnicas puede ser de gran utilidad para ayudar a estudiar este comportamiento en largo periodo. En este trabajo se propone un proceso que automatice la clasificación de estrellas variables de largo periodo. Este proceso consta de dos grandes etapas, donde la primera de ellas consiste en identificar las estrellas que presenten este comportamiento, mientras que la segunda parte, consiste en realizar una clasificación en base al comportamiento de las diversas características que puedan tener. Los algoritmos de clustering pueden ser de utilidad para realizar esta clasificación, encontrando patrones según el comportamiento de estas. Utilizando el algoritmo K-means y considerando como base las características que son utilizadas para la elaboración del diagrama H-R, se consiguió encontrar un total de 6 grupos claramente definidos.

ESTRELLAS VARIABLES||APRENDIZAJE AUTOMATICO||CLUSTERING||ANALISIS DE COMPONENTES PRINCIPALES||K-MEANS;