Analyse statistique du catalogue de sources X cosmiques du satellite ESA XMM-Newton
Langue Français
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Auteur : Pineau, François-Xavier
Date de soutenance : 23-10-2009
Directeur(s) de thèse : Motch, Christian - Derriere, Sébastien - Michel, Laurent
Établissement de soutenance : Université de Strasbourg
École doctorale : École doctorale Sciences de la Terre et Environnement (Strasbourg ; 2000-....)
Discipline : Astrophysique
Classification : Astronomie, cartographie, géodésie
Mots-clés libres : astrophysique , XMM-Newton , sources X , analyse , classification , XCAT-DB
Mots-clés :
- Télescope spatial XMM-Newton
- Thèses et écrits académiques
- Astronomie des rayons X
- Thèses et écrits académiques
Résumé : XMM Newton est un satellite de l'ESA lancé en 1999. Il observe le ciel dans le domaine des rayons X. Le Survey Science Center (SSC) d'XMM est en charge de l'exploitation scientifique du télescope spatial et a créé à partir de ses observation le plus grand catalogue de sources X à ce jour. La classification des sources de ce catalogue est une des tâches attribuées au SSC. C est dans ce cadre que s'insère ce travail de thèse. Nous avons développé et implémenté un algorithme de corrélation croisée permettant d'obtenir des informations multi-longueur d'onde pour un certain nombres de sources du catalogue 2XMMi. Cet algorithme utilise une approche Bayesienne pour fournir des probabiltés d'identification. Il utilise également une approche originale permettant de se passer de simulations de Monte Carlo pour l'estimation du nombre de fausses associations. Nous avons implémenté et utilisé une analyse en composantes principale (ACP) qui prend en compte les erreurs de mesure de chaque observations. Cette ACP nous a permis d'explorer l'espace des paramètres multi-longueur d'onde et de choisir un nombre restreint de dimensions en entrée d'algorithme de classification. Nous avons utilisé les données de l'ACDS et les résultats de la corrélation entre le 2XMMi et le SDSS DR7 pour créér un échantillon d'identification. Cette échantillon est utilisé pour la création d'échantillons d'apprentissage qui sont indispensables pour la classification supervisée. Nous avons classé les sources X de plusieurs échantillons : celui issu des résultats de la corrélation 2XMMi/SDSS DR7, celui issu de la corrélation 2XMMi/GSC2/2MASS et un échantillon de sources purement X. L'algorithme de classification a été choisi après avoir comparé différentes méthodes. Enfin, nos résultats ont été insérés dans la XCAT-DB pour une large diffusion.
Entrepôt d'origine : 
Identifiant : ecrin-ori-299059
Type de ressource : Thèse
