基于PCA-GA-SVM的n/γ甄别方法研究

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.

关键词：n/γ甄别、支持向量机、遗传算法、主成分分析法、电荷比较法、频域梯度分析法

所属期刊栏目：55

分类号：TL812.1(粒子探测技术、辐射探测技术与核仪器仪表)

资助基金：国家重大科学仪器设备开发专项;中国科学院战略性先导科技专项;国家自然科学基金;国家自然科学基金

在线出版日期：2021-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1114-1123