基于支持向量机的复杂核素能谱识别

发布时间：2018-03-17 05:25

  本文选题：支持向量机　切入点：γ能谱　出处：《核电子学与探测技术》2016年08期 　论文类型：期刊论文

【摘要】：针对传统γ能谱识别方法对高本底、低分辨率的复杂γ谱解析效果不明显、准确率低等问题,提出了一种基于支持向量机的核素识别方法。通过能谱预处理方法,获取能谱特征信息,将核素库的建立与分类器的构造相结合,使用实际能谱进行验证。通过谱仪对3种核素的不同组合进行能谱实测,实验结果表明,通过支持向量机的分类方法,对实测混合核素的识别准确率达到94%以上。
[Abstract]:Aiming at the problem that the traditional 纬 -spectrum recognition method is not effective and accurate in complex 纬 spectrum analysis with high background and low resolution, a new method based on support vector machine (SVM) is proposed. The energy spectrum characteristic information is obtained, the establishment of the nuclide library is combined with the construction of the classifier, and the actual energy spectrum is verified by using the actual energy spectrum. The experimental results show that the three different combinations of nuclides are measured by the spectrometer. By using support vector machine (SVM) classification, the recognition accuracy of mixed nuclides is more than 94%.
【作者单位】： 西南科技大学信息工程学院;中国科学技术大学自动化系;
【基金】：四川省重点实验室开放基金(15kftk02)资助
【分类号】：TL817.2;TP181

【参考文献】

相关期刊论文 前3条

1 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

2 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期

3 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

【共引文献】

相关期刊论文 前10条

1 薛章鹰;刘兴权;;结合ReliefF、GA和SVM的面向对象建筑物目标识别特征选择方法[J];测绘工程;2017年02期

2 陈彬;韩超;刘阁;;颗粒污染物对变压器油介质损耗因数的影响[J];石油学报(石油加工);2017年01期

3 叶兰洲;周健勇;;支持向量机在上市公司风险管理中的应用[J];科技和产业;2017年01期

4 周开店;谢钧;罗健欣;;基于Leap Motion指尖位置的手势提取和识别技术研究[J];微型机与应用;2017年02期

5 欧阳庭辉;查晓明;秦亮;熊一;黄鹤鸣;;基于相似性修正的风电功率爬坡事件预测方法[J];中国电机工程学报;2017年02期

6 李诚;张宏烈;王崇;;基于SVM的高校录取分数预测模型[J];高师理科学刊;2016年12期

7 白焱;甘旭升;董鑫;戴哲;;集对分析和LS-SVM相结合的装备研制风险综合评价法[J];国防科技大学学报;2016年06期

8 刘子玉;肖静;;吉林省农资物流发展水平的评价研究[J];农学学报;2016年12期

9 崔国恒;李京书;张军;;粒子群算法优化混合核函数SVM及应用[J];舰船电子工程;2016年12期

10 韩戟;何成浩;苏星;施成云;刘东映;;一种基于SVM的电力行业物资需求预测方法[J];电气技术;2016年12期

【二级参考文献】

相关期刊论文 前10条

1 刘晓亮;丁世飞;朱红;张力文;;SVM用于文本分类的适用性[J];计算机工程与科学;2010年06期

2 施其权;李小明;肖辞源;;一类新型快速模糊支持向量机[J];计算机技术与发展;2010年02期

3 孙名松;高庆国;王宣丹;;基于双隶属度模糊支持向量机的邮件过滤[J];计算机工程与应用;2010年02期

4 王文剑;郭虎升;;粒度支持向量机学习模型[J];山西大学学报(自然科学版);2009年04期

5 程伟;张燕平;赵姝;;商空间理论框架下的SVM产量预测模型研究[J];中国农业大学学报;2009年05期

6 张文浩;王文剑;;一种基于关联规则的核粒度支持向量机[J];广西师范大学学报(自然科学版);2009年03期

7 李苗苗;向凤红;刘新旺;;一种新颖隶属度函数的模糊支持向量机[J];计算机工程与科学;2009年09期

8 谢赛琴;沈福明;邱雪娜;;基于支持向量机的人脸识别方法[J];计算机工程;2009年16期

9 郭虎升;王文剑;;基于神经网络的支持向量机学习方法研究[J];计算机工程与应用;2009年02期

10 刘宏兵;熊盛武;;一类快速模糊支持向量机[J];系统仿真学报;2008年24期

【相似文献】

相关期刊论文 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：1623365