伽马能谱分析与核素识别方法研究
摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第9-14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10-12页 |
1.3 论文研究内容及创新点 | 第12-13页 |
1.4 论文章节安排 | 第13-14页 |
2 核信号探测原理及测量 | 第14-26页 |
2.1 γ射线与物质相互作用 | 第14-16页 |
2.1.1 光电效应 | 第15页 |
2.1.2 康普顿效应 | 第15-16页 |
2.1.3 电子对效应 | 第16页 |
2.2 核辐射探测原理 | 第16-20页 |
2.3 γ能谱获取 | 第20-25页 |
2.3.1 CZT探测器实测能谱 | 第20-21页 |
2.3.2 La(Br)3探测器核脉冲测量 | 第21-23页 |
2.3.3 Geant4仿真能谱 | 第23-25页 |
2.4 本章小结 | 第25-26页 |
3 基于峰分析的γ能谱传统解谱方法 | 第26-46页 |
3.1 概述 | 第26页 |
3.2 谱数据平滑 | 第26-35页 |
3.2.1 多项式最小二乘平滑 | 第27-31页 |
3.2.2 马尔科夫平滑 | 第31-34页 |
3.2.3 仿真结果与分析 | 第34-35页 |
3.3 寻峰 | 第35-43页 |
3.3.1 导数寻峰法 | 第36-40页 |
3.3.2 量子球寻峰方法 | 第40-41页 |
3.3.3 仿真结果与分析 | 第41-43页 |
3.4 基底扣除 | 第43-45页 |
3.5 本章小结 | 第45-46页 |
4 基于全谱分析的γ能谱特征提取方法研究 | 第46-63页 |
4.1 基于奇异值分解的全谱分析方法 | 第46-53页 |
4.1.1 奇异值分解 | 第46-47页 |
4.1.2 奇异值分解的物理意义 | 第47-49页 |
4.1.3 奇异值的计算 | 第49-50页 |
4.1.4 奇异值在谱分析中的应用 | 第50-53页 |
4.2 基于非负矩阵分解的全谱分析方法 | 第53-61页 |
4.2.1 γ能谱的表征 | 第54页 |
4.2.2 权值计算 | 第54-57页 |
4.2.3 非负矩阵分解 | 第57-59页 |
4.2.4 非负矩阵分解在谱分析中的应用 | 第59-61页 |
4.3 本章小结 | 第61-63页 |
5 基于SVM的γ能谱识别方法研究 | 第63-94页 |
5.1 SVM基本原理 | 第63-78页 |
5.1.1 线性可分最优分类超平面 | 第64-66页 |
5.1.2 硬间隔最大化 | 第66-68页 |
5.1.3 对偶学习算法 | 第68-70页 |
5.1.4 软间隔最大化 | 第70-72页 |
5.1.5 序列最小优化算法(SMO) | 第72-75页 |
5.1.6 非线性支持向量机与核函数 | 第75-78页 |
5.2 SVM在核素识别中的应用及优化 | 第78-85页 |
5.2.1 多分类支持向量机 | 第78-83页 |
5.2.2 模糊支持向量机 | 第83-84页 |
5.2.3 支持向量机参数设定 | 第84-85页 |
5.3 核素定性识别 | 第85-93页 |
5.3.1 传统解谱方法 | 第85-88页 |
5.3.2 奇异值分解解谱 | 第88-91页 |
5.3.3 非负矩阵分解识别 | 第91-93页 |
5.4 本章小结 | 第93-94页 |
结论与展望 | 第94-96页 |
总结 | 第94-95页 |
展望 | 第95-96页 |
致谢 | 第96-97页 |
参考文献 | 第97-102页 |
攻读硕士学位期间发表的学术论文及研究成果 | 第102页 |