本文關(guān)鍵詞：基于最小二乘支持向量機的航空伽瑪能譜分段去噪方法研究

  更多相關(guān)文章： 航空伽瑪能譜 去噪 最小二乘支持向量機 k折交叉驗證

【摘要】：在航空伽瑪能譜測量中,需要對航空伽瑪能譜進行濾波去噪處理以充分獲取地表介質(zhì)伽瑪射線譜的有用信息。即保證消除放射性統(tǒng)計漲落、電子學(xué)噪聲等干擾的同時下盡可能多的保留能譜的原始特征。航空伽瑪譜具有計數(shù)率低,隨機性高等特點。尋求一種去噪效果好且適應(yīng)性強的方法成為航空伽瑪譜去噪的一個難題。傳統(tǒng)的能譜去噪方法在某些特定伽瑪譜上取得較好的效果,但都有各自的局限性,推廣性不強。統(tǒng)計學(xué)的方法可以根據(jù)有限的航空伽瑪譜信息,通過訓(xùn)練得到特征峰譜線和噪聲譜線的內(nèi)在聯(lián)系與規(guī)律,從而達(dá)到合理去噪的目的。支持向量機(SVM)作為統(tǒng)計學(xué)習(xí)理論的新一代機器學(xué)習(xí)方法,能較好地解決小樣本、非線性和局部極小點等實際問題。最小二乘支持向量機(LS-SVM)是支持向量機的一種形式,較標(biāo)準(zhǔn)支持向量機有計算量小、算法簡單等特點。本文對國內(nèi)外航空伽瑪能譜測量技術(shù)、能譜去噪方法以及統(tǒng)計學(xué)理論、支持向量機算法進行了調(diào)研與分析,在此基礎(chǔ)上開展了基于最小二乘支持向量機的航空伽瑪能譜分段去噪方法研究,主要研究內(nèi)容及結(jié)論如下:1.分析了傳統(tǒng)的能譜去噪方法(重心法、最小二乘移動平滑法、傅立葉變換法、小波分析法)的特征:(1)重心法、多項式最小二乘移動平滑法對能譜濾波時,濾波寬度越寬,譜線被壓縮的越低,展寬越嚴(yán)重,增加重峰出現(xiàn)幾率;(2)相比其他濾波方法而言,在使用理想低通濾波器傅里葉變換濾波時,峰邊界道計數(shù)數(shù)值偏差比較大;(3)小波分析法依賴閾值的選取,軟閾值方法噪聲過濾充分,而硬閾值方法能很好地保留信號的原始形狀,但噪聲過濾不充分。2.對核函數(shù)的選取做了重要說明,并提出一種修正的核函數(shù)。實驗結(jié)果表明該修正核函數(shù)的LS-SVM模型較其他核函數(shù)的LS-SVM模型在去噪能力上更好。3.對LS-SVM模型中的兩個重要參數(shù)進行尋優(yōu)處理,采用k折交叉驗證方法獲取最佳核參數(shù)--懲戒因子C和核函數(shù)寬度σ,建立具有學(xué)習(xí)能力和泛化能力強的支持向量回歸機。4.基于最小二乘支持向量回歸機模型,依據(jù)能窗道址分布對航空伽瑪能譜進行分段回歸擬合降噪處理,并對分段處使用加權(quán)疊加處理銜接,解決了該算法在全譜解析上的缺陷。經(jīng)大量實驗數(shù)據(jù)證明:采用分段LS-SVM去噪方法能夠顯著降低航空伽瑪譜射線統(tǒng)計漲落,且有良好的自適應(yīng)性和泛化性。
【關(guān)鍵詞】：航空伽瑪能譜 去噪 最小二乘支持向量機 k折交叉驗證
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TL817.2;TP18
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 引言10-14
• 1.1 選題依據(jù)與研究意義10
• 1.2 能譜去噪算法研究現(xiàn)狀10-11
• 1.3 主要研究內(nèi)容11-14
• 第二章 航空伽瑪能譜測量概述14-24
• 2.1 天然伽瑪射線的主要來源14-15
• 2.1.1 宇生/原生放射性核素14
• 2.1.2 宇宙射線帶來的14-15
• 2.1.3 特征峰能量的選擇15
• 2.2 伽瑪能譜探測理論15-20
• 2.2.1 伽瑪射線與物質(zhì)的相互作用15-19
• 2.2.2 伽瑪能譜儀探測原理19-20
• 2.3 航空伽瑪能譜測量20-24
• 2.3.1 測量原理20
• 2.3.2 航空伽瑪能譜的譜平衡20-21
• 2.3.3 測線布置與飛行測量21-24
• 第三章 幾種主要的能譜去噪方法24-30
• 3.1 最小二乘移動平滑法24-25
• 3.2 Kalman濾波方法25
• 3.3 小波分析法25-26
• 3.4 去噪效果比較26-30
• 第四章 支持向量機相關(guān)理論30-42
• 4.1 統(tǒng)計學(xué)習(xí)理論基本思想30-32
• 4.1.1 經(jīng)驗風(fēng)險30-31
• 4.1.2 VC維31
• 4.1.3 結(jié)構(gòu)風(fēng)險31-32
• 4.2 支持向量機32-38
• 4.2.1 最優(yōu)分類超平面33-34
• 4.2.2 線性支持向量分類機34-36
• 4.2.3 非線性支持向量分類機36-37
• 4.2.4 核函數(shù)37-38
• 4.3 支持向量回歸機38-41
• 4.3.1 損失函數(shù)38-39
• 4.3.2 回歸分析原理39-41
• 4.3.3 最小二乘支持向量回歸機41
• 4.4 小結(jié)41-42
• 第五章 基于LS-SVM的航空伽瑪能譜降噪模型42-58
• 5.1 核函數(shù)的選取42-49
• 5.1.1 RBF函數(shù)的優(yōu)點42
• 5.1.2 修正的徑向基核函數(shù)42-46
• 5.1.3 懲罰系數(shù)C的選擇46-47
• 5.1.4 高斯核寬度s的選擇47-48
• 5.1.5 k折參數(shù)尋優(yōu)法確定核參數(shù)48-49
• 5.2 依據(jù)能窗法的分段LS-SVM處理49-58
• 5.2.1 LS-SVM全譜擬合應(yīng)用在航空譜上的缺陷49-50
• 5.2.2 三窗法原理50-51
• 5.2.3 能譜分段處理51-53
• 5.2.4 分段加權(quán)疊加處理53-58
• 第六章 航空伽瑪能譜分段回歸擬合降噪處理結(jié)果與結(jié)論58-60
• 6.1 實驗對比58-59
• 6.2 結(jié)果討論59-60
• 結(jié)論60-62
• 致謝62-64
• 參考文獻(xiàn)64-66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 楊敬娜;;基于十折法的最小二乘支持向量機參數(shù)選取方法[J];機械工程師;2011年12期

2 黃洪全;方方;龔迪琛;丁衛(wèi)撐;;GMM模型在核能譜平滑濾波中的應(yīng)用[J];核技術(shù);2010年05期

3 楊佳;葛良全;張慶賢;谷懿;;NASVD方法在航空伽瑪能譜數(shù)據(jù)降噪中的應(yīng)用[J];鈾礦地質(zhì);2010年02期

4 閆國華;朱永生;;支持向量機回歸的參數(shù)選擇方法[J];計算機工程;2009年14期

5 顧民;葛良全;;基于變參數(shù)雙指數(shù)平滑法的自然伽瑪能譜處理[J];物探化探計算技術(shù);2008年06期

6 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J];自動化學(xué)報;2000年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 羅耀耀;航空伽瑪能譜穩(wěn)譜技術(shù)研究[D];成都理工大學(xué);2013年

2 劉永剛;γ能譜譜數(shù)據(jù)分解方法研究[D];中國地質(zhì)大學(xué)（北京）;2011年

3 張慶賢;航空γ能譜特征和儀器譜解析方法研究[D];成都理工大學(xué);2010年

4 吳青;基于優(yōu)化理論的支持向量機學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2009年

5 李忠偉;支持向量機學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王波;手持式自然伽馬能譜探測儀的研究[D];西安石油大學(xué);2014年

2 張?zhí)?小波變換用于NaI（T1）γ 能譜的降噪分析[D];蘭州大學(xué);2013年

3 袁新宇;γ譜弱峰優(yōu)化檢測方案研究[D];南華大學(xué);2011年

4 朱迪;航空γ能譜測量儀器譜蒙特卡羅模擬[D];成都理工大學(xué);2009年

5 黃嘯;支持向量機核函數(shù)的研究[D];蘇州大學(xué);2008年

6 李婧;天然放射性場γ能譜的蒙特卡羅模擬[D];成都理工大學(xué);2006年

，

本文編號：1125300