基于逻辑回归二分类的核素识别算法研究.pdf
《基于逻辑回归二分类的核素识别算法研究.pdf》由会员分享,可在线阅读,更多相关《基于逻辑回归二分类的核素识别算法研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、第卷第期年月核电子学与探测技术 基于逻辑回归二分类的核素识别算法研究周文 清,周达,康建军(国家海洋技术中心,天津)摘要:传统的核素识别主要根据能谱中特征峰确定核材料中放射性核素的种类,当出现叠峰时,常规方法就无法实现核素识别。采用逻辑回归二分类的算法进行核素的识别,利 用小 波包分解将能谱拆成不同频率信号,再将不同频率信号进行重构,计算频率信号的特征信号。把这个特性信号看作能量,将能量组成特征向量,会得到一组与信号相对应的能量序列,可构成一组特征向量。对测量的所有能谱进行特征向量提取用作机器学习的训练集和测试集。将训练集代入进行预测函数模型训练。通过求解损失函数全局最小值得到预测函数模型最优
2、解的参数。代人测试集计算核素识别正确率为。经过实验验证了所提算法的可行性,对快速识别核素具有一定的实际价值。关键词:机器学习;特征提取;逻辑回归;核素识别;损失函数中图分类号:文献标志码:随着现代科学技术发展、放射性核素的物理化学性质得到了深人解析,核素在军事、医疗、农业和能源等领域使用发展迅猛。当大量且种类繁多的放射性核素混在一起时,会大大提高核素识别的难度,此时各核素所成的能谱就会相互叠加相互影响;在辐射监测 时,环境本底情况多变,辐射经常会被检测样本本身或者包装材料吸收,得到的能谱达不到理想情况;这些情况使得传统核素识别方法无法处理。因此研究出快速准确的核素识别方法对放射性核素处理以及监
3、测都有重要意义。原理介绍核素识别研究现状现阶段常用的核素识别方法一般是:首先,收稿日期作者简介:周文清(),男,硕士,主要从事海洋放射性监测技术研究。文章编 号:()把能谱数据进行预处理、谱平滑等;其次,根据标准源进行能量刻度,或者是利用预先测好保存的刻度文件对所测能谱进行能量刻 度。然后,分析道址与特征峰的能量,寻找到全能峰并分析其所包含的能谱信息。将所测 能谱全能峰与预先建立好的核素库进行分析对比查找,得到该能谱核素信息。寻找全能峰大致分为两步:能谱变换和全能峰判定。能谱变换可以减少统计涨落引起的能谱数据误差,消除环境本底噪声的影响,进而可以突出全能峰的峰位信息。寻峰的方法有很多种,常见的
4、有导数寻峰法、协方差寻峰、对称零面积变换法等。陈亮等人提出了一种已被证明能够有效识别能谱所有全能峰位置?的方法。其利用面积为零的对称“窗函数”对能谱数据进行滑动变换自适应地提取峰位信息。基于小波包分解的特征提取本文采用小波包分解方法提取核素能谱的特征能量。其中,选择小波包为“”,分解层为层,分解过程中得到的小波包分解系数树形结构如图所示。图小波包分解原理图根据小波包分解原理,结合能谱,每个核素能谱数据可以用 小波包三层分解的第个节点(尺,)的 系数来表示。基于小波包分解的能谱能量特征向量的提取步骤如下:)对个样本能谱进行层小波包分解,就能得到信号中各个不同频率的特征;)寸这个不同频率特征进行小
5、波包重构,得到个特征,则总信号特征就为这个数据相加;)计算重构信号的能量,通常作为特征信号的常用形式就是能量;)将能量组成特征向量,会得到一组与信号相对应的能量序列,可构成一组特征向量,能量较大时,能量序列通常也较大,则需对其进行归一化处理。逻辑回归二分类模型使用逻辑回归方法解决分类问题时,通常采用函数作为逻辑回归二分类模型的主要计算公式,其满足以下公式:)!()式中为输人值,称为预测值。两类问题的预测值与自变量的关系图通常 为曲线,如图所从图中可以看出,函数图像的初始阶段增长较快,当函数的纵轴值大于时,曲线增长缓慢。此外,函数可以将任何输入值映射到的集合,其值可以理解为出现的可能性。分类任务
6、的实现是将值映射到函数,实现值与预测值的转换。图型函数曲线预测函数模型在解决数据分类问题时,需要确定数据划分的边界类型。在线性边界的情况下,假设线性回归系数为(,“,特征向量为,?),则可以得到决策边界形式如式():沒沒沒私将得到的作为新的输入,将线性回归 与函数相结合,得到逻辑回归二分类的预测函数模型见式():)()在本文研究的逻辑回归二分类核素识别方法中,以核素能谱的能量特征向量作为输人值通过训练模型求解各特殊效应向量的 系数,得到预测值。预测值的取值范围仍然与函数的取值范围相同,取值范围为特征数据的标签为或,取作为阈值。若预测值大于,则识别为训练类别,即标签为,否则识别为其他类别,即标签
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 逻辑 回归 分类 核素 识别 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。