基于卷积神经网络的γ放射性核素识别方法

快速、准确的放射性核素识别可有效地对放射性危险源进行及时的监测预警，对保护人们远离放射源的威胁具有重要意义。该文基于卷积神经网络研究了放射性核素γ能谱的识别。通过溴化镧能谱仪采集16种放射性核素的γ能谱数据，并通过改变放射性核素γ能谱的计数和能谱漂移程度，创建生成大量单核素和双核素γ能谱训练数据，利用自搭建的卷积神经网络开展放射性核素识别模型训练。实验采集其中9种核素及其双核素的混合能谱对核素识别模型开展验证，结果表明：在剂量率约为0.5μSv/h、测量采集时间为60 s时，模型的识别准确率可达92.63%,满足在低剂量率下对放射性核素进行快速识别筛查的需求。     

便携式γ谱仪中的核素识别算法

为满足便携式γ谱仪核素识别的功能需求,提出了以有限脉冲响应(FIR)滤波平滑、自适应对称零面积寻峰、核素匹配为基础的能谱数据处理及核素识别算法。算法中避免了复杂的迭代运算,充分利用已知核素的先验知识优化了核素库的设计,提高了运算速度,达到了适用于便携式γ谱仪的核素识别要求。算法运行在ARM2440单片机上,经过自制的便携式谱仪系统实测数据和MonteCarlo模拟数据的验证,能够在5s内正确识别出4类、27种不同核素。     

便携式γ谱仪中的核素识别算法

为满足便携式γ谱仪核素识别的功能需求,提出了以FIR滤波平滑、自适应对称零面积寻峰、核素匹配为基础的能谱数据处理及核素识别算法。算法中避免了复杂的迭代运算,充分利用已知核素的先验知识优化了核素库的设计,提高了运算速度,达到了适用于便携式γ谱仪的核素识别要求。算法运行在ARM2440单片机上,经过自制的便携式谱仪系统实测数据和MonteCarlo模拟数据的验证,在IAEA规定的采集时间内,能够在5s内正确识别出4类、27种不同核素。     

降低NaI(Tl)γ谱仪探测限的技术探讨

核爆后其放射性元素种类复杂、量少,用NaI(Tl)γ谱仪监测时,多种核素峰重叠在能谱的散射区内难以识别,因此对谱仪的稳定性,能量分辨率,解谱技术以及最小可探测活度有很高的要求.本文通过实验和MCNP模拟,分析了对某NaI(Tl)γ谱仪探测限的影响因素以及降低探测限的措施,提出了通过屏蔽来降低本底,提高其最小可探测活度的方法,实验表明,通过选择合理的屏蔽尺寸,有效的降低了本底,提高了谱仪的低水平放射性监测能力.     

NaI(Tl)探测γ能谱的MCNP模拟

利用光子和电子联合输运MCNP程序的电子脉冲计数类型的能峰展宽模拟计算NaI(Tl)探测器的γ能谱, 与实验结果符合较好. 利用能峰展宽参数计算不同能量γ射线的峰总比, 结果与实验值相符, 验证该计算方法可用于NaI(Tl)探测γ能谱的模拟. 对不同能区γ射线的能谱进行模拟, 并分析了能谱的形成过程.      

核天体反应直接测量中的γ加和谱解析方法

带电粒子辐射俘获反应是核天体物理的主要研究内容之一,对了解恒星核合成过程具有重要意义．由于恒星温度（伽莫夫窗口）下这些反应的截面极小,γ射线产额非常低,实验需要结合高效率的γ加和探测技术进行测量．本文基于贝叶斯理论和相关分析程序,发展了一种对加和型γ探测阵列能谱的解析方法,并利用该方法对锦屏深地核天体物理实验项目测量的实验数据进行分析,验证了该解析方法的有效性,并显著减小了γ加和峰探测效率的误差,进一步提高了γ加和探测技术的测量精度．      

基于子空间学习算法的单模态生物特征识别系统

建立了一种适用于人脸、步态等生物特征识别的单模态生物特征识别系统.首先,单位化原始生物特征数据,得到新的数据集;然后,利用局部拓扑结构保存映射算法,确定新数据集的内蕴低维子空间;最后,在确定的低维子空间上利用类内距离和执行分类.在这个系统中,局部拓扑结构保存映射算法是一种新颖的子空间学习方法,与其他子空间学习算法相比,判别能力更强,更适合于生物特征识别.此外,对原始数据进行单位化处理以及在确定低维子空间上利用类内距离和执行分类都能有效提高生物特征识别系统性能.实验结果表明：该单模态生物特征识别系统是有效性的.     

基于灰关联分析的模糊C均值算法

标准的模糊C均值算法(FCM)采用欧式距离测度,均等地利用所有特征来计算数据间的相似性,但其存在受局部特征影响、对非球状簇识别效果不佳、无法适应高维数据等缺点.为此,提出一种将基于差异信息理论的灰关联分析结合到FCM中的新算法,利用均衡接近度描述数据间的相似性,强调从整体上判断数据的相似程度,减弱局部特征高关联性的影响,能够适应不同形状簇的识别.在人工和真实数据集上的实验表明,所提出的新算法具有更高的聚类精度和更好的稳定性.     

基于局部线性嵌入的多流形学习故障诊断方法

故障样本具有复杂多样性,而不同故障类型存在于不同维数的多流形子空间中,将样本统一降维到同一维数的单流形上则不能进行高效的特征提取.提出了一种基于局部线性嵌入(Local Linear Embedding,LLE)的多流形学习(Multi-LLE)故障诊断方法,将单流形故障诊断方法扩展到多流形,首先利用Multi-LLE分别提取各故障数据集在其本征维数流形上的特征,再通过各特征向量的聚类中心与故障新样本在不同维数下的嵌入向量的距离比较,将距离最近者归为一类实现分类识别.利用转子实验故障数据对算法进行了验证,并将Multi-LLE方法与LLE和海赛局部线性嵌入(HLLE)方法进行了比较,结果表明该方法能够有效的实现故障诊断.     

基于主成分分析和Mahalanobis距离的异常γ能谱识别

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。     

基于DCT和分块2D2PCA的人脸识别

为了解决人脸识别算法双向二维主元分析(2D2PCA)表征的信息不全面,鲁棒性差、识别速率较慢的问题,提出了一种结合二维离散余弦变换(DCT)算法和改进的双向二维主成分分析算法(模块(2D)2PCA)的新的人脸图像识别算法,该算法首先利用二维离散余弦逆变换(DCT)对人脸图像进行压缩,利用二维离散余弦逆变换(IDCT)对图像进行重建,可以去除了人脸图像中的干扰冗余信息。然后通过改进的2D2PCA算法即分块2D2PCA提取重建人脸图像中的特征。最后,用最近邻法对人脸图像进行识别,并定义了人脸图像相似度的概念。本文对ORL人脸图像数据库进行了实验。实验表明,本文算法有效的增强了识别的鲁棒性,缩短了识别的时间。     

基于RBF神经网络的钚年龄定量识别

利用RBF网络建立了γ指纹与钚年龄和核素初始丰度之间的映射,以γ指纹为特征,采用模式识别方法实现了钚年龄的定量识别。对已知和未知钚材料γ指纹的识别研究结果表明,基于RBF神经网络的钚年龄模式识别方法充分利用了γ指纹的全部信息,克服了传统γ能谱分析方法的不足,通过建立相应的训练样本集,方法可准确识别未知钚材料的年龄,并可对其历史和来源做出准确推断。     

Kinect骨骼数据驱动的人体动作二维特征融合与动作识别

针对在高噪声环境中人体动作识别存在准确度和稳定性不高的问题,本文采用二维空间特征融合的方法,提出一种基于Kinect骨骼数据的人体动作识别算法。从人体三视图的投影来提取运动特征,可以消除人体自遮挡的影响。针对人体复杂动作,算法采用分层策略。利用Kinect获得的骨骼关节点坐标,根据人体三视图投影提取二维空间的人体关节角特征,并运用支持向量机(SVM)方法对动作进行粗分类;进一步提取二维投影平面内的关节位置矢量、角速度和加速度特征,运用隐马尔可夫模型(HMM)的方法对动作进行细分类。利用本文方法对公开数据集MSR Action 3D实验,平均识别率达93.37%,实验结果表明,该方法准确性较高,鲁棒性较强。     

一种步态触觉特征识别算法

鉴于不同人足底的尺寸和压力分布的不同,提出了一种基于压力中心点距离的步态触觉特征识别算法,通过对足底脚趾区、前脚掌区和后脚掌区的划分及其压力中心点的标记,计算不同区域压力中心点间的欧氏距离以获取相应足底压力的特征表示,从而实现人的身份识别.论文基于该特征结合支持向量机(support vector machine,SVM)分类器对真实数据进行了人的身份识别,实验结果验证了该算法的有效性.     

古遗址目标提取方法研究

目的研究根据获取的遥感信息从背景"影"像中有效识别和提取文物遗存的方法。方法分析研究区遗址影像波谱特征基础上,运用高光谱分析技术获得已知遗址目标波谱曲线,最终利用约束能量最小化(CEM)算法,从背景地物中分离遗址目标。结果当遗址与周围背景物性差异明显,引起明显的光谱异常时,CEM算法能够基于真实的物理模型进行波谱提取、识别和探测古遗址目标。结论 CEM算法提取古遗址信息是可行性强的一种方法,且识别效果与MNF变换后图像的维数有关,选择特征值较大的波段组合参与CEM运算,能有效地避免噪声对目标探测的干扰,使得探测率提高。     

过墙壁探测:层状介质中二维层析成像模拟

开发了一种基于对比源反演(CSI)算法的二维非线性逆散射技术,对层状介质中的二维物体进行层析成像并用其模拟过墙壁探测.对一些复杂模型的反演结果说明了CSI算法的有效性和进行过墙壁探测的可行性.数值模拟结果表明,在观测受到限制的情况下通过对多种频率的数据进行反演仍可以精确重构被探测目标的位置、形状及电参数.     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好地识别出孤立点.     

关于马氏距离模糊聚类的有效性指标研究

为了研究基于马氏距离模糊聚类算法的有效性,首先对比分析了基于数据集模糊划分与几何结构的模糊聚类有效性指标,确定了将紧致度、分离度与清晰度结合的有效性研究方向,然后针对基于马氏距离的模糊聚类提出新的度量标准,构造有效性指标,最后结合算法在真实数据集上进行实验,结果表明新指标能准确识别马氏距离模糊聚类算法在多维数据上的最佳聚类数目。     

基于PCA的参数化间隔双子支持向量机及其在手写体识别上的应用

改进了基于参数化间隔的双子支持向量机算法的预处理过程,在数据预处理阶段使用了主成分分析法对数据进行降维,提出了基于主成分分析的参数化间隔双子支持向量机,从而加快了整个算法的训练速度.公共数据库上的实验结果显示了该算法的优秀分类能力,对高维数据集的降维效果也比较成功.最后,将这种算法应用到手写体数字识别技术上,实验结果显示出该算法较好的分类性能.     

基于WLLE和极坐标特征提取的叶片图像识别方法

提出一种基于WLLE和极坐标特征提取的叶片图像识别方法.该方法首先对叶片图像进行二值化并映射到极坐标下,提取高度变化率、饱和度等多个极坐标特征参数,然后利用加权局部线性嵌入算法(WLLE)对叶片图像的多维极坐标特征参数进行维数规约,最后在低维空间采用最近邻分类器完成待测叶片图像的类别判断.该方法解决了传统直角坐标下提取叶片图像特征参数计算量大,运算时间长等问题,且WLLE算法具有较好的数据降维及聚类效果.由实验结果表明,该方法不仅减少了叶片图像的识别时间,同时还大大提高了叶片图像的识别率.