摘要：光谱分类不仅对理解恒星物理学有着重要意义,而且在研究银河系整体结构和演化过程中起着至关重要的作用.然而在相关研究中仍存在分类精度低和光谱型未知等问题,因此提出一种新的光谱自动分类模型并将其应用在F、G和K 3种恒星光谱的分类中,方法的基本思想是训练一个深度信念网络对光谱数据进行分层特征学习,然后采用反向传播算法对整个模型进行微调.从LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) Data Release 5 (DR5)中选取31667条包含F、G和K 3种恒星的光谱数据,并在TOPCAT软件中与GAIA (Global Astrometric Interferometer for Astrophysics)数据进行交叉,得到颜色-星等图并验证光谱数据的分布.最后对该模型进行评估,结果表明:深度信念网络在综合性能上优于其他分类算法.

天文学报杂志要求:

{1}题目简明确切地反映文稿的特定内容，起画龙点睛的作用。一般宜20个字左右。

{2}本刊所刊载的文章仅代表作者的观点，并不完全代表编委及编辑部的观点，欢迎读者对刊载内容展开学术批评和讨论。

{3}正文文本，5号宋体，单倍行距，页边距上下限、左右边距均采用Office 软件的默认设置。

{4}文稿须附中文摘要，中文须内容一致。中文摘要字数控制在100~150字，英文摘要字数少于100字。摘要中不得引用参考文献。

{5}作者应在文中相应内容处标注阅读过的文献资料。参考文献的引用，应为作者亲自阅读过的文献。参考文献的标注采用顺序编码制，按引用文献出现的先后顺序用阿拉伯数字依次编号，将序号置于方括号内，如［1］，［1-2］，［3-6］。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社