基于PCA-GA-SVM的n/γ甄别方法研究 |
| |
作者姓名: | 宋海声 马通达 麻林召 吕柏阳 刘鹏浩 马佳宁 秦秀波 |
| |
作者单位: | 西北师范大学 物理与电子工程学院,甘肃 兰州730000;中国科学院 高能物理研究所 北京市射线成像技术与装备工程技术研究中心,北京100049;中国科学院大学 核科学与技术学院,北京100049 |
| |
摘 要: | 由于常用中子探测器对中子和γ射线均呈现敏感性,所以消除γ射线对中子测量的影响很有必要性。考虑到支持向量机(SVM)能实现二分类器功能,本文结合主成分分析法(PCA)、遗传算法(GA),将SVM应用在混合场n/γ的甄别工作中。通过PCA对特征值进行降维,避免SVM出现过拟合现象,同时通过GA迭代方式寻找SVM关键参数惩罚因子C和核函数参数g的最优值。对PCA-GA-SVM网络在n/γ甄别中的准确性进行验证后与电荷比较法及频域梯度分析法甄别结果进行对比。结果表明,经过PCA与GA优化后的SVM网络甄别精度提升显著,该方法可为混合场n/γ提供有效的甄别。
|
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《原子能科学技术》浏览原始摘要信息 |
|
点击此处可从《原子能科学技术》下载全文 |
|