基于GASF与MSVM的放射性核素识别方法

提出了一种基于格拉姆角和场(GASF)与基于Mahalanobis距离的支持向量机(MSVM)的核素识别方法。将核素γ能谱数据视为一维序列，利用GASF方法将能谱数据二维化，再利用双向二维主成分分析对二维化能谱数据进行降维以进行特征提取，设计MSVM分类器并结合遗传算法进行参数寻优，实现对γ能谱(核素)的识别，利用Geant 4仿真核素γ能谱数据对本文算法与寻峰算法、SVD-SVM算法进行了对比实验，同时在真实核素γ能谱数据上进行了识别实验。结果表明：本文方法与同类方法相比，通过利用全谱信息，有效提高了核素识别准确率；在探测距离为20 cm内，对真实探测环境中得到的不同探测距离的核素能谱的平均识别率均高于96%,表现出良好的识别性能。