| 基于SVD和SVM的核素识别算法 |
| |
| 引用本文： | 任俊松,张江梅,王坤朋. 基于SVD和SVM的核素识别算法[J]. 兵工自动化, 2017, 36(5). DOI: 10.7690/bgzdh.2017.05.014 |
| |
| 作者姓名： | 任俊松 张江梅 王坤朋 |
| |
| 作者单位： | 西南科技大学信息工程学院,四川绵阳,621010;西南科技大学信息工程学院,四川绵阳 621010;特殊环境机器人技术四川省重点实验室,四川绵阳 621010;中国科学技术大学信息科学与技术学院,合肥 230026;西南科技大学信息工程学院,四川绵阳 621010;特殊环境机器人技术四川省重点实验室,四川绵阳 621010 |
| |
| 基金项目： | 四川省科技厅项目，核废物与环境安全国防重点学科实验室开放基金，特殊环境机器人技术四川省重点实验室开放基金 |
| |
| 摘 要： | 针对基于寻峰方法的 γ能谱识别方法对高本底、低探测率的复杂 γ能谱解析特征不显著、准确率低等问题,提出一种基于奇异值分解和支持向量机的核素识别算法.通过将1维能谱变换为2维图像,使用奇异值分解提取特征向量,将其作为支持向量机的输入构建分类器.实验结果表明:该方法对典型核素的识别率达到98%,并且能识别混合核素样本的组成成分.该方法降低了对探测器精度要求和参数设定的影响,提高了混合核素的识别能力.
|
| 关 键 词： | 奇异值分解 支持向量机 γ能谱 核素识别 |
Radioactive Nuclide Identification Method Based on SVD and SVM |
| |
| Abstract: | Theγ spectrum identification method based on peak searching algorithm can hardly deal with the complexγ spectrum of high background and low resolution with fuzzy analysis features and low correctness. Exchange one dimension spectrum into two dimension image, use singular value decomposition (SVD) to decompose and extract feature vector, take it as support vector machine (SVM) input to establish classifier. The test results show that the method identification accuracy can reach 98% on typical nuclide, and can distinguish constitute of complex nuclide. This method reduces the demand for probe accuracy, and decreases the impact of parameter setting, and significantly improves the ability of identification of mix radioactive nuclide. |
| |
| Keywords: | SVD SVM γ spectrum nuclide identification |
| 本文献已被 万方数据 等数据库收录！ |
|
