小波包变换-有监督N/γ甄别模型构建

作者：刘路峰; 邵晖^*

来源：核电子学与探测技术, 2022, 42(03): 484-490.

• n/γ甄别
• 液体闪烁体探测器
• 小波包变换
• 人工神经网络
• 决策树
• 支持向量机

探究基于小波包变换(WPTM)和有监督学习算法的n/γ甄别模型搭建。利用WPTM分解脉冲信号并提取频域特征,消除甄别模型对时间特征的依赖。通过主成分分析(PCA)对WPTM输出信号降维,从而减少数据量并加快算法训练速度。将降维结果输入决策树、支持向量机(SVM)和神经网络(ANN)有监督学习算法,通过精度、召回率和F1分数对三种算法进行评估。结果表明:WPTM-PCASVM和WPTM-PCA-ANN组合模型甄别精度较高,可应用于混合辐射场的n/γ甄别。