Abstract:
A classificação de galáxias é uma importante etapa para compreender suas caracter
ísticas e seus processos de formação e evolução. Geralmente é realizada por um
especialista através da inspeção visual e individual de cada imagem. Essa classificação
´e subjetiva e limita o número de galáxias que podem ser analisadas na prática. Com o
surgimento de grandes catálogos astronômicos essa abordagem torna-se impraticável,
tornando imprescindível a quantificação da morfologia para possibilitar a automatização
da classificação.
Foram utilizadas an´alises de agrupamentos (clustering) para objetos no espaço de
parâmetros morfométricos, conforme medidos pelo MORFOMETRYKA, onde o objetivo
´e encontrar grupos de observações fortemente correlacionadas que indiquem os
mesmos processos físicos de formação e evolução.
No presente trabalho utilizamos os seguintes algoritmos de agrupamentos: Expectation
Maximization (EM) e K-médias, onde as próprias classes morfolpogicas resultam
do algoritmo. A t´ecnica foi aplicada para a amostra do survey EFIGI que inclui 4.458
gal´axias de todos os tipos morfol´ogicos. Ap´os os dados serem agrupados pelos dois
algoritmos, ´e utilizado o Silhouette como m´etodo de validac¸ ˜ao para os resultados encontrados,
al´em disso tamb´em ´e usada a matriz de confus˜ao. Grupos de objetos n˜ao
surgem claramente distintos neste espac¸o de parˆametros, o que reforc¸a os outros resultados
recentes de que existe um continuidade morfom´etrica nas populac¸ ˜oes de gal´axias,
em detrimento da vis˜ao bimodal de espirais e el´ıpticas como fam´ılias claramente distintas.
Classification of galaxies is an important step for the comprehension of the features
and formation and evolution processes. Generally, it is performed by a specialist through
visual inspection of each image. This classification is subjective and limits the number
of galaxies which can be analyzed in practice. Now that big astronomical catalogs
are available, this approach becomes impractical, urging the adoption of morphological
quantification for the automatic classification.
We have adopted cluster analysis for objects in the morphometric parameter space,
as measured by MORPHOMETRIKA, where we search for strongly correlated groups
of observations, which follow the same physical formation processes and evolution.
This work adopts the following clustering algorithms: Expectation Maximization
and K-means, where we let the morphological classes emerge from the results of the
algorithms. We adopted the sampling technique EFIGI which includes 4,458 galaxies
from all morphological kinds. After data is clustered by both algorithms, Silhouette
is used as the validation technique for the results. Also, confusion matrix is analyzed.
This parameter space does not raise a clear set of groups, what reinforces other recent
studies, which point out that there is a morphometric continuity in the population of
galaxies, as a contrast to the usual assumption of spiral and elliptic as clearly separated
families.
