森林中的DRAGNs：在VLASS DRAGNs目录中使用随机森林模型识别伪影

摘要 来自非常大型阵列天区调查(VLASS)的快速查看数据产品包含由于其生产中使用的简化成像算法而产生的广泛成像伪影。在使用DRAGN猎人算法的VLASS第一次期快速查看发布中发现的与活动星系核相关的双射电源(DRAGNs)目录受到这些伪影的污染。这些源包含两个或三个独立的组成部分，其中每个都可能是伪影。我们训练随机森林模型对这些DRAGNs进行分类，基于它们所包含的伪影数量，范围从零到三个伪影。我们优化我们的模型并通过审慎的训练集选择来减轻我们的数据集中的类别不平衡，我们最好的模型达到了加权F1分数97.01% - 1.32% + 1.12%。使用我们的分类，我们生成了一个VLASS DRAGNs目录，从中可以提取一个估计99.3%完整的97.7%无伪影源的目录。