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

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

论文共102页,点击 下载论文
上一篇:硅MEMS加速度计数据采集与分析系统的研发
下一篇:无线传感网络与移动机器人结合的智能家居系统