DBSCAN聚类算法在Gaia-DR2中检测疏散星团的研究 - 数学建模社区-数学中国

基于Gaia Data Release 2 (Gaia-DR2)星表, 采用数据挖掘技术中的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行邻近疏散星团成员检测. 从Gaia-DR2中选取了594284颗恒星(距离太阳< 100 pc)作为样本, 使用恒星的五维数据(三维空间位置和两维自行)进行聚类分析. 在数据预处理阶段, 将每一维数据标准化到[0,1]区间内, 避免了单位不一致对聚类效果的影响. 然后, 利用k-dist图确定了DBSCAN算法的输入参数(Eps, MinPts). 最终, 使用DBSCAN算法获取了133颗成员星, 它们在五维相空间中可以被分成两组, 分别对应于疏散星团Hyades和Coma. 分析结果表明得到的成员星是可靠的. 根据两个星团的成员星, Hyades Coma的距离分别确定为(46.5 ± 0.3) pc和(84.9 ± 0.4) pc