标题
  • 标题
  • 作者
  • 关键词

基于主成分分析和Mahalanobis距离的异常γ能谱识别

2017-08-15分类号:TL81

【作者】赵日  刘立业  李君利  
【部门】清华大学工程物理系  中国辐射防护研究院  
【摘要】为了提高货物或人体放射性筛查的可靠性,提出了一种基于主成分分析和Mahalanobis距离的异常γ能谱识别方法。该方法首先对大量不含异常放射性的测量对象产生的正常γ能谱进行主成分分析,提取出其所有主成分,并按从大到小的顺序,选取前若干主成分构成子空间;将正常及待识别γ能谱在此子空间上投影,得到它们的Mahalanobis距离,通过比较这些距离的相对大小实现对异常γ能谱的识别。Monte Carlo模拟实验和实际测试实验表明,在子空间信息量占原始信息比例大于99%时该方法可靠有效。
【关键词】γ能谱  异常识别  人工智能  主成分分析  Mahalanobis距离
【基金】国家自然科学基金项目(11605162)
【所属期刊栏目】清华大学学报(自然科学版)
文献传递