基于SVD和SVM的核素识别算法

• 作者: 任俊松 张江梅 王坤朋
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 奇异值分解 支持向量机 γ能谱 核素识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 系统建模与仿真
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP301.6
• 字数: 2769字
• 语种: 中文
• DOI: 10.7690/bgzdh.2017.05.014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王坤朋	西南科技大学信息工程学院	16	26	3.0	4.0
3	任俊松	西南科技大学信息工程学院	3	8	2.0	2.0
4	张江梅	西南科技大学信息工程学院	22	51	3.0	6.0