星系形态分类的混合机器学习架构：CNN与随机森林的多模态融合

本文介绍了由eva10samuel-dot开发的星系形态分类混合机器学习架构（项目来源：github，原始标题galaxy-morphology-ml，发布时间2026-06-08）。该架构结合卷积神经网络（CNN）与随机森林，通过多模态数据融合提升分类精度，旨在解决现代巡天项目（如SDSS、DES）产生的海量星系图像自动化分类问题，为天体物理学研究提供高效工具。核心思路是利用CNN的视觉特征提取能力与随机森林处理结构化数据、可解释性强的优势，形成互补。

星系形态蕴含形成历史、演化阶段等物理信息，传统人工目视分类准确但效率低，无法应对数亿级巡天数据。深度学习（如CNN）在天文图像分析中表现出色，但面临数据多样性（分辨率、红移差异）、形态复杂性（并合、特殊结构）、标签稀缺、类别不平衡等挑战。

混合架构核心是CNN与随机森林的互补：

• 多模态输入：整合图像（g/r/i波段）、物理参数（亮度、红移等）、元数据（观测条件）；
• CNN特征提取：采用经典或天文专用网络（如AstroNet），通过迁移学习与数据增强提取视觉特征；
• 随机森林融合：拼接CNN特征与物理参数，通过集成学习输出分类结果，支持概率输出与特征重要性分析。

• 分阶段训练：先单独训练CNN提取视觉特征，再结合物理参数训练随机森林，可选端到端微调；
• 类别不平衡处理：采用重采样、类别权重、焦点损失、SMOTE等策略；
• 超参数优化：通过网格搜索、贝叶斯优化调整CNN（学习率、批量大小）与随机森林（树数量、深度）参数。

评估指标包括准确率、精确率/召回率/F1、混淆矩阵、ROC-AUC、Cohen's Kappa。模型将与纯CNN（如Galaxy Zoo CNN）、纯机器学习（SVM、XGBoost）及其他混合方法对比，并参考Galaxy Zoo众包标注数据验证与专家一致性。

• 大规模巡天处理：实时分类新观测星系、支持数据发布、发现稀有形态；
• 科学研究：助力星系演化、环境效应、并合历史、暗物质分布研究；
• 公民科学：优先推荐复杂案例给志愿者、质量检查误标、提升效率。

当前局限：依赖训练数据质量、高红移星系形态扭曲、罕见类别样本不足、CNN可解释性弱。未来方向：自监督学习（减少标注依赖）、多任务学习（联合预测多属性）、注意力机制（关注关键区域）、融入物理约束、不确定性量化。

开源项目支持可复现性、社区协作改进（新架构、数据预处理）、教育价值（机器学习在天文应用案例）。该架构为大规模星系分类提供高效方案，未来可扩展至恒星分类、超新星识别等天文任务，助力宇宙奥秘探索。