一种基于SVD和SVM的核素识别方法技术

本发明专利技术涉及核辐射检测技术领域，公开了一种基于SVD和SVM的核素识别方法。包括：步骤1：获取核素的一维γ能谱图；步骤2：根据一维γ能谱图获取对应的二维矩阵；步骤3：根据奇异值分解的方法提取二维矩阵的特征向量，得到的特征向量表示核素；步骤4：将实际测得多组一维γ能谱图的作为样本库，通过步骤1～3获取样本库中对应的特征向量，采用特征向量作为训练样本获取SVM分类器；步骤5：将未知核素通过步骤1～3处理获取待测的特征向量，将待测的特征向量输入SVM分类器进行识别。通过测量大量已知核素的能谱数据，并通过支持向量机分类算法构建分类器，再测量未知核素，该方法通过获取一维向量和二维矩阵并提取特征值来表示核素，提示了核素识别效率。

A method of nuclide recognition based on SVD and SVM

The invention relates to the field of nuclear radiation detection technology, and discloses a nuclide identification method based on SVD and SVM. Includes the following steps: Step 1: one-dimensional gamma spectrum for radionuclide; step 2: according to the one-dimensional two-dimensional matrix to obtain the corresponding gamma spectrum; step 3: according to the feature vector of the singular value decomposition method to extract the two-dimensional matrix, the feature vector representation nuclide; step 4: the actual measured multiple one-dimensional gamma ray the spectrum as the sample database, through steps 1 to 3 to obtain the corresponding eigenvectors in the sample database, using the feature vector as the training samples for the SVM classifier; step 5: Step 1 to 3 to get the feature vector to be measured by unknown nuclide, test the feature vector input SVM classifier. By measuring the energy spectrum data of a large number of known nuclides, and constructing a classifier through support vector machine classification algorithm, and then measuring unknown nuclides, this method obtains one-dimensional vector and two-dimensional matrix and extracts the characteristic value to represent the nuclide, which indicates the efficiency of nuclide recognition.

【技术实现步骤摘要】
一种基于SVD和SVM的核素识别方法
本专利技术涉及核辐射检测
，具体涉及一种基于SVD和SVM的核素识别方法。
技术介绍
近年来随着科学技术的发展，核技术在国防、工业、农业、环境监测、土壤成分分析、研究纳米材料等方面已经有了广泛的应用。核电作为一种新型能源，在国际电力资源中所占的比例也日益增加，这是放射性同位素应用于国民经济的最典型的例子。与此同时，核安全问题成为多方关注的焦点。针对当下核材料的不法利用、走私以及核泄漏事故引起的放射性危害等，如何快速、准确地对放射性核材料进行检测和识别是当下核分析领域迫切需要解决的问题。对于同一种核素，在一定时间内统计，所得到的能谱的特征基本一样，在某些特定能量上的计数值要大得多，导致能谱图上出现波峰，我们将这些位置称为能谱的特征峰位置，传统的核素识别方法是将测量所得能谱中的特征峰与标准核素库进行比对，以此来判断核素的种类。为了找到能谱的特征峰，需要对所测的能谱进行去噪，平滑，滤波，寻峰等处理，过程繁琐，耗时较久，且通过比对特征峰的方法只应用了测得能谱的部分信息，鲁棒性较差，当环境发生变化时，能谱随之发生变化，会对识别结果造成影响。专利技术内本文档来自技高网...

【技术保护点】
一种基于SVD和SVM的核素识别方法，其特征在于，包括以下过程：步骤1：获取核素的一维γ能谱图；步骤2：根据一维γ能谱图获取对应的二维矩阵；步骤3：根据奇异值分解的方法提取二维矩阵的特征向量，得到的特征向量表示核素；步骤4：将实际测得多组一维γ能谱图的作为样本库，通过步骤1～3获取样本库中对应的特征向量，采用特征向量作为训练样本获取SVM分类器；步骤5：将待测量的未知核素通过步骤1～3处理获取待测的特征向量，将待测的特征向量输入SVM分类器进行识别。

【技术特征摘要】
1.一种基于SVD和SVM的核素识别方法，其特征在于，包括以下过程：步骤1：获取核素的一维γ能谱图；步骤2：根据一维γ能谱图获取对应的二维矩阵；步骤3：根据奇异值分解的方法提取二维矩阵的特征向量，得到的特征向量表示核素；步骤4：将实际测得多组一维γ能谱图的作为样本库，通过步骤1～3获取样本库中对应的特征向量，采用特征向量作为训练样本获取SVM分类器；步骤5：将待测量的未知核素通过步骤1～3处理获取待测的特征向量，将待测的特征向量输入SVM分类器进行识别。2.如权利要求1所述的基于SVD和SVM的核素识别方法，其特...

【专利技术属性】
技术研发人员：张江梅，高宁化，冯兴华，王坤朋，姚娟，张华，王姮，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：四川,51