در این پروژه شبکه عصبی احتمالی، الکوریتم k-means و تحلیل مولفه های اصلی برای طبقه بندی خودکار طیف های ستاره ای به کارگرفته شده اند. برای رسیدن به این هدف،ازمجموعه طیف های ستاره ای جمع آوری شده توسط sloandigitalskysurveysegue-dr9 و dr10 استفاده شده است، که شامل 400013 طیف با بازه مشترک طول موجی 3850تا 8900 آنگستروم می باشد. طیف های ستاره ای اغلب شامل مقدار زیادی اطلاعات اضافی یا نوفه می باشند. در این پروژه از تحلیل مولفه های اصلی به منظور کاهش بهینه ابعاد مجموعه داده ها استفاده شده است. همچنین نشان داده ایم که تحلیل مولفه های اصلی می تواند به عنوان از بین برنده نوفه یا تشخیص دهنده داده های غیر طبیعی عمل کند. نتایج خطای طبقه بندی شبکه عصبی احتمالی با استفاده از280،400 و 700 مولفه اصلی به ترتیب 1.921،1.432 و 1.398 بدست آمده است. با مقایسه نتایج بدست آمده از شبکه عصبی احتمالی و الگوریتم k-means، مشاهده می شود که شبکه عصبی نتایج دقیق تری نسبت به الگوریتم k-means ارایه می دهد.