استفاده از روش اصلاح شده DBSCAN-GMM به منظور بهينه­ سازي احتمال عضويت اعضاي خوشه­ هاي ستاره ­اي باز با استفاده از داده ­هاي Gaia DR3

عضويابي خوشه‌هاي ستاره‌اي باز با احتمال عضويت هرچه بيشتر به لطف روش‌هاي تركيبي يادگيري ماشين و داده‌هاي دقيق Gaia DR3 بيش از گذشته ميسر شده است. يكي از روش‌هاي قدرتمند در اين حوزه، روش تركيبي DBSCAN-GMM است. چرا كه DBSCAN در حذف ستاره‌هاي ميدان و GMM در محاسبه احتمال عضويت ستاره‌هاي خوشه راندمان بالايي دارند. از آنجا كه محاسبه احتمال عضويت توسط GMM به شدت به خروجي DBSCAN وابسته است و DBSCAN حساسيت بالايي نسبت به دو پارامتر آزاد شعاع همسايگي و تعداد همسايه دارد؛ تعيين مقادير مناسب براي اين دو پارامتر با هدف بيشينه كردن احتمال عضويت در GMM هدف اصلي اين كار است. براي اعتبارسنجي از ۹ خوشه كه در فاصله، سن و تعداد اعضا بازه گسترده‌اي را پوشش مي‌دهند استفاده شده است. از مقايسه نتايج حاصل با ساير كارها، افزايش احتمال عضويت اعضا مشاهده مي‌شود. همچنين CMDهاي تميز حاصله و چگالي پس زمينه بسيار ناچيز در بررسي پروفايل‌هاي چگالي سطح كينگ نشان از قدرت بالاي روش در حذف آلودگي‌هاي ميدان دارد.