小行星(360)Carlova自转参数的测定

小行星自转参数的资料不仅可以为小行星碰撞演化提供数据,还可以为太阳系的演化研究提供依据．利用云南天文台1米望远镜对主带碳类小行星(360)Carlova进行了新的CCD测光观测,结合前人的测光资料,利用Epoch-方法对(360)的自转参数进行了反演计算,得到该小行星自转的恒星周期为0．25780417±0．00000003天,自转轴的黄道坐标为(95°±3,°40°±1°)．新的结果与前人的结果相比较为一致,其精度稍高于以前的估算结果．     

马卡良335的微光变观测

介绍了马卡良 335分别发生于 1998年和 1999年的两次短时标光变。其中的一次是微光变 ,发生于 1999年 11月 2 0日 ,微光变区域的大小约 0 .80 7光时。还对微光变的可能机制进行了讨论     

20颗依巴谷碳星的近红外测光

对20颗依巴谷(Hipparcos)卫星所观测的碳星作了近红外JHK测光，由近红外观测结果估算了其在K波段的热改正BCK和视热星等mbpl以及有效温度Te，结合依巴谷卫星所得视差，得到其中一些星的绝对热星等Mbol。     

光电测光系统的转换方程和精度比较

根据对鬼星团中Ｊｏｈｎｓｏｎ测光标准星的观测，我们研究了北京天文台６０ｃｍ望远镜直流光电光度法ＵＢＶ测光系统的转换方程，应用该方程推算了对三颗变星观测得到的ＵＢＶ星等，讨论了所得光变曲线的精度，并与较差方法所得结果进行了比较。     

基于Stacking集成学习的恒星/星系分类研究

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.     

云南天文台1m望远镜卡焦(缩焦)CCD测光系统的初步研究

用云台１ｍ望远镜镜卡焦（缩焦）ＣＣＤ测光系统对测光标准星进行了ＢＶＲＩ四色测光,计算得到了该系统的转换方程及其转换结果,并对计算结果进行了分析讨论．     

兴隆60 cm望远镜主焦CCD系统测光性能的研究

对兴隆６０ｃｍ望远镜主焦ＣＣＤ系统的测光性能进行了测试和研究．测定了ＣＣＤ快门时间函数,讨论了快门延迟效应对短时间曝光观测的可能影响．通过观测大批Ｌａｎｄｏｌｔ标准星,较准确地定出了ＢＶＲＩ宽带测光的星等系统转换关系,结果表明本系统与标准ＢＶＲＩ系统很接近．对ＣＣＤ系统的天文测光精度作了仔细的检验和分析,并对ＰＳＦ拟合测光和孔径测光两种方法进行了比较     

北京天文台的WET三通道高速光度计

对北京天文台新近改造成的三通道高速光度计的结构和性能进行介绍,并给出了在兴隆站85公分望远镜的一些实测结果.