郭守敬望远镜,(简称LAMOST)是国家“九、五”重大科学工程项目之一,是一架横卧于南北方向的新类型的大视场兼备大口径的中星仪式反射施密特望远镜。LAMOST在每个观测夜能够获得多达几万条光谱数据,是目前世界上光谱获取率最高的望远镜。面对LAMOST所产生的海量光谱数据,一些传统的人工处理光谱的方法已不再使用,迫切需要研究和寻找一些高效率的光谱自动处理方法。本文研究的工作主要包括以下三部分:(1)超新星候选范围的快速约减。本文提出了一种新的超新星候选范围约减算法(SKLOF),根据超新星本身具有稀有的特性,首先利用数据剪枝思想剪枝掉大部分肯定不是超新星候选的光谱数据,然后利用PCA算法对光谱数据进行分析并构造超新星特征空间,利用改进后的LOF算法对光谱数据进行离群分析。(2)天体光谱的分类。本文利用SDSS-DR8的光谱数据,将基于局部均值的K近质心近邻点(Local Mean-based K-Nearest Centroid Neighbor,LMKNCN)算法应用到恒星、星系和类星体的分类中,并且取得了较好地效果。由于星系和类星体都属于河外天体,红移比较大,二者的光谱分类在光谱自动处理中具有一定的代表性,因此本文同时也研究了基于局部均值的K近邻算法在星系和类星体光谱的分类中的应用,并且取得了较高的光谱分类正确率。(3)恒星光谱大气物理参数测量。恒星大气参数即表面有效温度(Teff)、表面重力加速度(log g)以及金属丰度([Fe/H])对科学家研究宇宙的演化等重大科学问题具有重要的意义。因此本文研究了基于质量估计的恒星大气物理参数自动测量方法,该方法首先是建立质量分布,将原始光谱数据经过质量估计算法映射到质量空间,然后在质量空间利用SVR方法对恒星的大气物理参数进行预测且取得了不错的效果。