| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 符号说明 | 第12-13页 |
| 第一章 引言 | 第13-22页 |
| ·高能物理的发展 | 第13-15页 |
| ·夸克模型 | 第15-17页 |
| ·基本相互作用 | 第17-19页 |
| ·大型强子对撞机LHC及LHC物理 | 第19-22页 |
| 第二章 ATLAS探测器 | 第22-29页 |
| ·ATLAS的物理目标 | 第23-24页 |
| ·ATLAS内部径迹探测器 | 第24-26页 |
| ·量能器 | 第26-27页 |
| ·μ子谱仪 | 第27-29页 |
| 第三章 ATLAS实验中粒子径迹的重建 | 第29-35页 |
| ·径迹的模拟和重建 | 第29-31页 |
| ·л粒子径迹的选取 | 第31-32页 |
| ·л粒子径迹的重建效率和顶点重建精度 | 第32-35页 |
| 第四章 B-tagging的算法 | 第35-47页 |
| ·Monte Carlo模拟事例样本 | 第35-36页 |
| ·IP2D和IP3D算法 | 第36-40页 |
| ·SV1算法 | 第40-43页 |
| ·JetFitter算法 | 第43-47页 |
| 第五章 联合b-tagging算法 | 第47-57页 |
| ·IP3D与SV1,JetFitter联合算法 | 第47-49页 |
| ·b-tagging中的rejection与~η、pt之间的关系 | 第49-53页 |
| ·用贝叶斯方法对两种b-tagging算法进行联合 | 第53-57页 |
| 第六章 人工神经网络分析 | 第57-68页 |
| ·TMVA及人工神经网络分析方法简介 | 第57-61页 |
| ·特征量的选取 | 第61-64页 |
| ·人工神经网络分析结果 | 第64-68页 |
| 结束语 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |