基于K-SVD的γ能谱特征提取及核素识别

摘要：

提出了一种基于K-SVD的构造稀疏分解原子库并用于核素γ能谱特征提取的方法.针对γ能谱信号的成谱特点及峰值规律,通过K-SVD算法构造学习型稀疏字典,将稀疏分解系数向量作为表征γ能谱的特征,实现特征提取,利用最近邻分类算法、支持向量机和决策树等机器学习分类算法实现核素识别.实验部分在七种不同的分类算法上比较了提出的特征提取方法和传统方法的核素识别准确率,结果表明:相较于传统方法,该文方法所提取特征具有更高的分类准确率.

关键词：核素识别、特征提取、KSVD、稀疏表示

所属期刊栏目：14

分类号：TP18(自动化基础理论)

资助基金：四川省科技厅项目2016GZ0210

在线出版日期：2018-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：177-179