基于BP神经网络的n/γ甄别方法研究

常用的有机闪烁体探测器对中子和γ射线均敏感,所以消除或减弱γ射线在中子探测技术中的影响是必要的。考虑到BP神经网络能实现分类器的功能,因此本文结合脉冲形状甄别技术与BP神经网络,将BP神经网络应用在中子与γ射线混合场的粒子甄别中。通过训练BP神经网络达到记忆、分类测试样本的目的。对BP神经网络应用于n/γ脉冲波形甄别的准确性进行验证后与电荷比较法及频域梯度分析法甄别结果进行了对比。结果表明,BP神经网络甄别法不仅能为混合辐射场提供有效的甄别,而且在甄别时间上较电荷比较法与频域梯度分析法有所提高。

基于PCA-GA-SVM的n/γ甄别方法研究

由于常用中子探测器对中子和γ射线均呈现敏感性,所以消除γ射线对中子测量的影响很有必要性。考虑到支持向量机(SVM)能实现二分类器功能,本文结合主成分分析法(PCA)、遗传算法(GA),将SVM应用在混合场n/γ的甄别工作中。通过PCA对特征值进行降维,避免SVM出现过拟合现象,同时通过GA迭代方式寻找SVM关键参数惩罚因子C和核函数参数g的最优值。对PCA-GA-SVM网络在n/γ甄别中的准确性进行验证后与电荷比较法及频域梯度分析法甄别结果进行对比。结果表明,经过PCA与GA优化后的SVM网络甄别精度提升显著,该方法可为混合场n/γ提供有效的甄别。