| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究意义与选题依据 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统方法 | 第10-11页 |
| 1.2.2 新兴方法 | 第11-13页 |
| 1.3 论文研究内容及创新点 | 第13-14页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 创新点 | 第14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 2 核信号能谱数据获取及处理方法 | 第16-29页 |
| 2.1 γ射线与物质的相互作用 | 第16-17页 |
| 2.1.1 光电效应 | 第16页 |
| 2.1.2 康普顿效应 | 第16-17页 |
| 2.1.3 电子对效应 | 第17页 |
| 2.2 核辐射测量装置简述 | 第17-18页 |
| 2.3 γ能谱获取途径 | 第18-23页 |
| 2.3.1 Geant4仿真能谱 | 第18-20页 |
| 2.3.2 伽马射线谱仪实测能谱 | 第20-23页 |
| 2.4 基于峰分析的γ能谱传统识别方法 | 第23-28页 |
| 2.4.1 谱数据的平滑 | 第24-25页 |
| 2.4.2 寻峰和确定峰区 | 第25-27页 |
| 2.4.3 峰面积的计算 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于稀疏表示的γ能谱特征提取方法研究 | 第29-62页 |
| 3.1 稀疏表示理论 | 第29-33页 |
| 3.1.1 稀疏表示理论及其研究现状 | 第29-30页 |
| 3.1.2 稀疏表示匹配追踪类算法代表算法 | 第30-32页 |
| 3.1.3 过完备字典的构建方法 | 第32-33页 |
| 3.2 基于稀疏表示的γ能谱特征提取 | 第33-49页 |
| 3.2.1 基于固定型字典的γ能谱特征提取方法 | 第34-35页 |
| 3.2.2 改进固定型字典的γ能谱特征提取方法 | 第35-48页 |
| 3.2.3 基于学习型字典的γ能谱特征提取方法 | 第48-49页 |
| 3.3 信号重构验证与识别准确率测试 | 第49-61页 |
| 3.3.1 数据产生与收集 | 第49-50页 |
| 3.3.2 基于固定型字典的γ能谱特征提取方法验证与测试 | 第50-56页 |
| 3.3.3 改进固定型字典的γ能谱特征提取方法验证与测试 | 第56-58页 |
| 3.3.4 基于学习型字典的γ能谱特征提取方法验证与测试 | 第58-61页 |
| 3.4 本章小结 | 第61-62页 |
| 4 基于改进的模糊决策树的核素识别方法研究 | 第62-79页 |
| 4.1 模糊决策树算法基本原理 | 第62-67页 |
| 4.1.1 决策树算法 | 第62-64页 |
| 4.1.2 模糊理论 | 第64-66页 |
| 4.1.3 模糊决策树算法 | 第66-67页 |
| 4.2 基于改进的模糊决策树算法的核素能谱识别方法 | 第67-76页 |
| 4.2.1 连续属性的离散化 | 第69-71页 |
| 4.2.2 单一属性上的FCM聚类 | 第71-72页 |
| 4.2.3 属性聚类数的确定 | 第72-73页 |
| 4.2.4 分裂属性的选择 | 第73-75页 |
| 4.2.5 改进的模糊决策树算法实现流程图 | 第75-76页 |
| 4.3 仿真结果与分析 | 第76-78页 |
| 4.4 本章小结 | 第78-79页 |
| 5 结论与展望 | 第79-81页 |
| 5.1 总结 | 第79-80页 |
| 5.2 展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第88页 |
