| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 伽玛射线暴研究概述 | 第6-26页 |
| ·伽玛射线暴研究起源 | 第6-7页 |
| ·伽玛射线暴观测卫星及天文台 | 第7-15页 |
| ·主要空间观测卫星 | 第7-13页 |
| ·光学及射电天文台 | 第13-15页 |
| ·伽玛射线暴观测特征 | 第15-20页 |
| ·空间分布 | 第15-17页 |
| ·光变曲线 | 第17页 |
| ·持续时间 | 第17-18页 |
| ·能谱 | 第18-20页 |
| ·伽玛暴的相关理论研究 | 第20-26页 |
| ·伽玛暴中心引擎 | 第20-22页 |
| ·塌缩星模型 | 第21页 |
| ·致密星合并模型 | 第21-22页 |
| ·伽玛暴标准火球模型 | 第22-23页 |
| ·伽玛暴余辉 | 第23-26页 |
| 第二章 延展辐射型伽玛射线暴 | 第26-31页 |
| ·延展辐射 | 第26页 |
| ·GRB060614 | 第26页 |
| ·延展辐射型伽玛射线暴识别 | 第26-29页 |
| ·贝叶斯块算法 | 第26-28页 |
| ·信噪比方法 | 第28-29页 |
| ·延展辐射型伽玛射线暴的持续时间及谱硬度 | 第29-31页 |
| 第三章 利用高斯混合模型对伽玛射线暴进行分类 | 第31-47页 |
| ·引言 | 第31页 |
| ·机器学习简介 | 第31-35页 |
| ·机器学习概念 | 第31-32页 |
| ·机器学习分类及相关算法 | 第32页 |
| ·高斯混合模型 | 第32-33页 |
| ·最大期望算法 | 第33-34页 |
| ·贝叶斯信息准则 | 第34-35页 |
| ·Scikit Learn包 | 第35页 |
| ·BATSE | 第35-36页 |
| ·样本选取 | 第35页 |
| ·分析结果及讨论 | 第35-36页 |
| ·Swift | 第36-41页 |
| ·样本选取 | 第36-37页 |
| ·分析结果-Swift/BAT-I,II | 第37-38页 |
| ·分析结果-Swift/BAT-II红移已知样本 | 第38-40页 |
| ·分析结果-无延展辐射样本 | 第40-41页 |
| ·Fermi | 第41-42页 |
| ·样本选取 | 第41页 |
| ·分析结果及讨论 | 第41-42页 |
| ·Suzaku | 第42-45页 |
| ·样本选取 | 第42页 |
| ·分析结果及讨论 | 第42-45页 |
| ·不同GMM模型的BIC值比较 | 第45页 |
| ·结论 | 第45-47页 |
| 第四章 红移已知的Swift伽玛暴的T_(90)~HR_(32)分类研究 | 第47-55页 |
| ·引言 | 第47-48页 |
| ·样本选取 | 第48页 |
| ·2 维状态下的高斯混合模型 | 第48-51页 |
| ·分析结果 | 第51-53页 |
| ·结论 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间科研和论文情况 | 第64-65页 |