Bonn 2010 – scientific programme

Parts | Days | Selection | Search | Downloads | Help

T: Fachverband Teilchenphysik

T 96: Gammaastronomie V

T 96.6: Talk

Friday, March 19, 2010, 15:20–15:35, HG VII

Benutzung des Klassifikationsverfahrens Random Forest zur Separation von Gamma-von Hadronenereignissen — •Martin Schulze — TU - Dortmund

Bei einem IACT, hier MAGIC, kommt es unter anderem darauf an, die Gammainduzierten Ereignisse von dem Hadronischen Untergrund zu trennen. Dafür werden aus den Schauerbildern Bildattribute gewonnen, die zur Klassifikation eingesetzt werden. Der Random Forest ist ein Multivariates Analyseverfahren, das sich sowohl zur Klassifikation von Daten, als auch zur Regression einsetzen lässt. Das Prinzip basiert auf einer Anzahl (trees) von Entscheidungsbäumen einer gewissen Tiefe, über die gemittelt wird. Untersucht wurde das Verhalten eines Random Forests bei Benutzung verschiedener Parameter (Datenmenge, Anzahl und Art der Attribute, sowie die Einstellungen für den Random Forest). Durch diese Untersuchungen wird versucht eine Verbesserung der Separation von gewünschten Ereignissen (Gamma) vom Untergrund (Hadronen, Myonen).