任俊松
- 作品数：4 被引量：14H指数：3
- 供职机构：西南科技大学信息工程学院更多>>
- 发文基金：四川省自然科学基金四川省科技厅科技支撑计划项目更多>>
- 相关领域：核科学技术自动化与计算机技术更多>>
- 伽马能谱分析与核素识别方法研究
- 随着核技术在工农业、医疗、国防等领域的广泛应用，核材料扩散、核恐怖事件以及核事故的威胁日益严重，对核安全与核检测技术提出了新的要求。本文针对核技术应用中遇到的一些实际问题，通过对γ能谱分析与核素识别方法的研究，重点解决强...
- 任俊松
- 关键词：特征提取
- 基于SVD和SVM的核素识别算法被引量：6
- 2017年
- 针对基于寻峰方法的γ能谱识别方法对高本底、低探测率的复杂γ能谱解析特征不显著、准确率低等问题,提出一种基于奇异值分解和支持向量机的核素识别算法。通过将1维能谱变换为2维图像,使用奇异值分解提取特征向量,将其作为支持向量机的输入构建分类器。实验结果表明:该方法对典型核素的识别率达到98%,并且能识别混合核素样本的组成成分。该方法降低了对探测器精度要求和参数设定的影响,提高了混合核素的识别能力。
- 任俊松张江梅王坤朋
- 关键词：奇异值分解支持向量机Γ能谱
- 基于概率神经网络的放射性核素快速识别方法研究被引量：1
- 2015年
- 针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法,采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征能量射线强度、峰面积等特征信息建立训练与测试样本,采用训练样本对概率神经网络模型进行训练,并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试,并与传统的神经网络算法进行对比表明:此方法具有较高的识别效率及准确率,可应用于安全监控、失控放射物探测等快速核素识别领域。
- 霍建文张华王坤朋任俊松朱庆平郭江李培培
- 关键词：Γ能谱特征信息概率神经网络
- 基于支持向量机的复杂核素能谱识别被引量：3
- 2016年
- 针对传统γ能谱识别方法对高本底、低分辨率的复杂γ谱解析效果不明显、准确率低等问题,提出了一种基于支持向量机的核素识别方法。通过能谱预处理方法,获取能谱特征信息,将核素库的建立与分类器的构造相结合,使用实际能谱进行验证。通过谱仪对3种核素的不同组合进行能谱实测,实验结果表明,通过支持向量机的分类方法,对实测混合核素的识别准确率达到94%以上。
- 张江梅任俊松李培培王坤朋霍建文朱庆平
- 关键词：支持向量机Γ能谱
