Pulsar-Net：基于物理启发的机器学习脉冲星自动识别系统

本文介绍Pulsar-Net，一个结合特征工程、XGBoost、阈值优化和SHAP可解释性分析的天文学机器学习项目，用于从射电巡天数据中自动识别真实脉冲星。该项目解决人工筛选候选信号耗时费力的痛点，基于HTRU2数据集构建完整流水线，提供可部署的解决方案，为天文学研究提供高效工具。

脉冲星是宇宙中重要的研究对象，但现代射电望远镜巡天产生的候选信号中真实脉冲星占比极低（HTRU2数据集仅9.2%），人工筛选效率低且易遗漏。HTRU2数据集含17898个候选信号，每个信号由8个统计特征描述（积分脉冲轮廓和DM-SNR曲线的均值、标准差、峰度、偏度），类别不平衡给模型训练带来挑战。

1. 特征工程：基于物理特性设计11个额外特征（信号强度关系、脉冲轮廓锐度、DM-SNR曲线特征等），扩展到19维特征空间，对偏斜特征做保号对数变换；2. 模型架构：以逻辑回归为基线，核心使用XGBoost（调优树复杂度、学习率等，5折交叉验证）；3. 阈值优化：以F2分数为目标搜索最优阈值0.355，平衡召回率与精确率。

测试集性能：准确率98%、PR-AUC0.934、ROC-AUC0.980、精确率84%、召回率90%、F1分数0.87。SHAP分析显示：log_kurtosis_profile（积分脉冲轮廓峰度对数）是最重要特征；人工设计的工程特征（如pulsar_signature_score）验证有效；揭示特征交互模式，提升模型透明度。

提供完整部署方案：1. 交互式Web应用：Streamlit构建在线演示（https://pulsar-net.streamlit.app/），支持上传特征实时获取结果与SHAP解释；2. 本地部署：Python环境配置，Jupyter Notebook复现全流程；3. 模型持久化：序列化保存XGBoost模型，直接用于批量预测。

Pulsar-Net是鲁棒可解释的脉冲星自动识别方案，技术亮点包括领域知识驱动、端到端流水线、类别不平衡处理、可解释性优先。随着SKA等下一代望远镜建设，数据量指数增长，此类工具将更重要。项目代码清晰、文档完善，为天文机器学习提供参考模板。