首页--工业技术论文--原子能技术论文--粒子探测技术、辐射探测技术与核仪器仪表论文--辐射探测技术和仪器仪表论文--谱仪论文

LS-SVM在γ能谱分析中的应用研究

摘要第4-5页
Abstract第5-6页
第一章 引言第9-13页
    1.1 γ能谱分析的意义第9页
    1.2 γ能谱分析中存在的困难第9-10页
    1.3 γ能谱分析方法研究现状第10-11页
    1.4 论文的主要研究内容第11页
    1.5 论文组织结构第11-13页
第二章 γ能谱探测原理概述第13-19页
    2.1 γ射线与物质的相互作用第13-15页
    2.2 γ能谱仪探测原理第15-16页
    2.3 γ能谱特征第16-17页
    2.4 本章小结第17-19页
第三章 支持向量机基础理论第19-35页
    3.1 统计学习理论第19-22页
        3.1.1 期望风险第19-20页
        3.1.2 经验风险最小化原则第20页
        3.1.3 VC维第20页
        3.1.4 结构风险最小化原则第20-22页
    3.2 线性支持向量分类机第22-25页
        3.2.1 硬间隔线性支持向量分类机第22-24页
        3.2.2 软间隔线性支持向量分类机第24-25页
    3.3 线性支持向量回归机第25-28页
        3.3.1 线性硬ε带支持向量回归机第25-27页
        3.3.2 线性软ε带支持向量回归机第27-28页
    3.4 核函数与非线性支持向量机第28-32页
        3.4.1 非线性支持向量机第29-30页
        3.4.2 核函数第30页
        3.4.3 支持向量分类与回归机第30-31页
        3.4.4 参数寻优第31-32页
    3.5 最小二乘支持向量机第32-34页
    3.6 本章小结第34-35页
第四章 LS-SVM在γ能谱平滑中的应用第35-47页
    4.1 多项式最小二乘移动平滑法第35-36页
    4.2 LS-SVM回归拟合降噪第36-42页
        4.2.1 核函数的选择第36-37页
        4.2.2 核函数参数对平滑曲线的影响第37-38页
        4.2.3 LS-SVM全谱回归拟合平滑能谱第38-42页
    4.3 LS-SVM分段回归拟合法在航空γ能谱上的应用第42-46页
        4.3.1 基于能窗分布的分段回归拟合第42-44页
        4.3.2 基于加权叠加的LS-SVM回归拟合平滑处理第44-46页
    4.4 本章小结第46-47页
第五章 LS-SVM在γ能谱定性分析中的应用第47-59页
    5.1 传统寻峰方法介绍第47-49页
        5.1.1 导数寻峰法第47-48页
        5.1.2 高斯函数乘积找峰法第48页
        5.1.3 对称零面积寻峰法第48-49页
    5.2 基于LS-SVM分类机的峰存在判别方法第49-56页
        5.2.1 分类模型训练集选择第49-54页
        5.2.2 分类模型判定结果第54-56页
    5.3 本章小结第56-59页
第6章 结论第59-61页
    6.1 结论第59页
    6.2 研究存在问题与下一步工作展望第59-61页
致谢第61-63页
参考文献第63-64页

论文共64页,点击 下载论文
上一篇:茶树越冬芽休眠的分子机理研究
下一篇:葡萄遗传转化体系与转抗病相关基因研究