Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias

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.