基于KPCA-MPA-ELM的n/γ甄别方法研究
TL812; 中子/伽马(n/γ)甄别在γ射线辐射存在的中子探测中至关重要.为了解决传统n/γ脉冲形状甄别方法存在的甄别精度不稳定的问题,提出了一种结合核主成分分析(Kernel Principal Component Analysis,KPCA)、海洋捕食者算法(Marine Predator Algorithm,MPA)和极限学习机(Extreme Learning Machine,ELM)的机器学习鉴别方法,以提升n/γ甄别效率.KPCA用于对中子和γ射线的脉冲信号特征进行降维;考虑到ELM输入层权重和隐藏层偏置的随机性,将MPA用于优化ELM的输入层权重和隐藏层偏置,提高ELM的n/γ...
Saved in:
| Published in | 核技术 Vol. 47; no. 4; pp. 73 - 82 |
|---|---|
| Main Authors | , , , , |
| Format | Journal Article |
| Language | Chinese |
| Published |
四川轻化工大学 人工智能四川省重点实验室 宜宾 644000
01.04.2024
四川轻化工大学 自动化与信息工程学院 宜宾 644000%四川轻化工大学 自动化与信息工程学院 宜宾 644000 西南科技大学 信息工程学院 绵阳 621010%四川轻化工大学 自动化与信息工程学院 宜宾 644000 四川轻化工大学 人工智能四川省重点实验室 宜宾 644000%成都惠利特自动化科技有限公司 成都 610000 |
| Subjects | |
| Online Access | Get full text |
| ISSN | 0253-3219 |
| DOI | 10.11889/j.0253-3219.2024.hjs.47.040403 |
Cover
Loading…
| Abstract | TL812; 中子/伽马(n/γ)甄别在γ射线辐射存在的中子探测中至关重要.为了解决传统n/γ脉冲形状甄别方法存在的甄别精度不稳定的问题,提出了一种结合核主成分分析(Kernel Principal Component Analysis,KPCA)、海洋捕食者算法(Marine Predator Algorithm,MPA)和极限学习机(Extreme Learning Machine,ELM)的机器学习鉴别方法,以提升n/γ甄别效率.KPCA用于对中子和γ射线的脉冲信号特征进行降维;考虑到ELM输入层权重和隐藏层偏置的随机性,将MPA用于优化ELM的输入层权重和隐藏层偏置,提高ELM的n/γ甄别效率.通过对未降维和KPCA降维的数据进行训练和测试,实验结果表明:在测试集中KPCA-MPA-ELM的平均甄别准确率高达99.07%,分别高出ELM、MPA-ELM、KPCA-ELM模型12.19%、2.52%、1.56%;相较于电荷比较法和脉冲梯度分析法,精度也分别提高了1.80%和5.91%.该模型结构简单,稳定性好,能够处理高维数据,具有较好的甄别效果和泛化能力. |
|---|---|
| AbstractList | TL812; 中子/伽马(n/γ)甄别在γ射线辐射存在的中子探测中至关重要.为了解决传统n/γ脉冲形状甄别方法存在的甄别精度不稳定的问题,提出了一种结合核主成分分析(Kernel Principal Component Analysis,KPCA)、海洋捕食者算法(Marine Predator Algorithm,MPA)和极限学习机(Extreme Learning Machine,ELM)的机器学习鉴别方法,以提升n/γ甄别效率.KPCA用于对中子和γ射线的脉冲信号特征进行降维;考虑到ELM输入层权重和隐藏层偏置的随机性,将MPA用于优化ELM的输入层权重和隐藏层偏置,提高ELM的n/γ甄别效率.通过对未降维和KPCA降维的数据进行训练和测试,实验结果表明:在测试集中KPCA-MPA-ELM的平均甄别准确率高达99.07%,分别高出ELM、MPA-ELM、KPCA-ELM模型12.19%、2.52%、1.56%;相较于电荷比较法和脉冲梯度分析法,精度也分别提高了1.80%和5.91%.该模型结构简单,稳定性好,能够处理高维数据,具有较好的甄别效果和泛化能力. |
| Abstract_FL | [Background]Neutrons/Gamma(n/γ)discrimination is critical for neutron detection in the presence of γ radiation and traditional pulse shape discrimination methods suffer from unstable discrimination accuracy.[Purpose]This study aims to implement a machine-learning method that combines the kernel principal component analysis(KPCA),marine predator algorithm(MPA),and extreme learning machine(ELM)is proposed to improve the n/γ discrimination efficiency and accuracy against the traditional pulse shape discrimination methods.[Methods]The KPCA was used to reduce the dimensionality of the pulse signal characteristics of neutrons and gamma rays.Owing to the randomness in the ELM input layer weight and hidden layer bias,the MPA was employed to optimize the foregoing factors to improve the n/γ discrimination accuracy of the ELM.Finally,experimental data of Pu-C neutron source using BC-501A liquid scintillator detector were applied to effectiveness comparison of training and test with and without KPCA dimensionality reduction.[Results]Comparison results reveal that the average discrimination accuracy of the KPCA-MPA-ELM is as high as 99.07%,which is 12.19%,2.52%,and 1.56%higher than those of the ELM,MPA-ELM,and KPCA-ELM models,respectively.Compared with the charge comparison method and pulse gradient analysis method,the accuracy is improved by 1.80%and 5.91%,respectively.[Conclusions]The proposed model has a simple structure,exhibits good stability,hence be applied to handling high-dimensional data with good discrimination and generalization ability. |
| Author | 胡万平 庹先国 张贵宇 李户林 张云龙 |
| AuthorAffiliation | 四川轻化工大学 自动化与信息工程学院 宜宾 644000%四川轻化工大学 自动化与信息工程学院 宜宾 644000;四川轻化工大学 人工智能四川省重点实验室 宜宾 644000;西南科技大学 信息工程学院 绵阳 621010%四川轻化工大学 自动化与信息工程学院 宜宾 644000;四川轻化工大学 人工智能四川省重点实验室 宜宾 644000%成都惠利特自动化科技有限公司 成都 610000 |
| AuthorAffiliation_xml | – name: 四川轻化工大学 自动化与信息工程学院 宜宾 644000%四川轻化工大学 自动化与信息工程学院 宜宾 644000;四川轻化工大学 人工智能四川省重点实验室 宜宾 644000;西南科技大学 信息工程学院 绵阳 621010%四川轻化工大学 自动化与信息工程学院 宜宾 644000;四川轻化工大学 人工智能四川省重点实验室 宜宾 644000%成都惠利特自动化科技有限公司 成都 610000 |
| Author_FL | ZHANG Yunlong LI Hulin ZHANG Guiyu TUO Xianguo HU Wanping |
| Author_FL_xml | – sequence: 1 fullname: HU Wanping – sequence: 2 fullname: ZHANG Guiyu – sequence: 3 fullname: ZHANG Yunlong – sequence: 4 fullname: TUO Xianguo – sequence: 5 fullname: LI Hulin |
| Author_xml | – sequence: 1 fullname: 胡万平 – sequence: 2 fullname: 张贵宇 – sequence: 3 fullname: 张云龙 – sequence: 4 fullname: 庹先国 – sequence: 5 fullname: 李户林 |
| BookMark | eNo9j79KQzEchTNUsK2-heAgSZP8EpOMl0v9g7fYoXvJvUmUi6TgRXyBDk5O1cFFV3EsCPYhfArb-xpGFDnDGQ58h6-HOnEWPUL7jBLGtDaDmlAuAQNnhnDKBbmsGyIUoSIFOqj7P2-jXtPUlApDheyig_Xz6mt1fzbOMzwaZ3hYjNqneRx8LtvFfH33tnn82Cwf2pdF-_q-g7aCvWr87l_30eRoOMlPcHF-fJpnBW6M0dgeqgoqZg1QJSXVUCrnghWm4qLSwK1zFrQJnpXWKWAgbfBCcS2MLx0o6KO9X-ytjcHGi2k9u7mO6XCapH7kklLCfgOa7U-e |
| ClassificationCodes | TL812 |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.11889/j.0253-3219.2024.hjs.47.040403 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| Discipline | Engineering |
| DocumentTitle_FL | Neutron/gamma(n/γ)discrimination method based on KPCA-MPA-ELM |
| EndPage | 82 |
| ExternalDocumentID | hjs202404008 |
| GroupedDBID | -03 2B. 4A8 5XA 5XD 92H 92I 93N ABJNI ACGFS ALMA_UNASSIGNED_HOLDINGS CCEZO CEKLB CW9 GROUPED_DOAJ PSX TCJ TGT U1G U5M |
| ID | FETCH-LOGICAL-s998-a67c3c1a930755083b7ddfa49c24c832adda389fe1bad73135afe472849ebd373 |
| ISSN | 0253-3219 |
| IngestDate | Thu May 29 03:54:29 EDT 2025 |
| IsPeerReviewed | true |
| IsScholarly | true |
| Issue | 4 |
| Keywords | 极限学习机 机器学习 n/γ discrimination Extreme learning machine Kernel principal component analysis n/γ甄别 海洋捕食者算法 Machine learning Marine predator algorithm 核主成分分析 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s998-a67c3c1a930755083b7ddfa49c24c832adda389fe1bad73135afe472849ebd373 |
| PageCount | 10 |
| ParticipantIDs | wanfang_journals_hjs202404008 |
| PublicationCentury | 2000 |
| PublicationDate | 2024-04-01 |
| PublicationDateYYYYMMDD | 2024-04-01 |
| PublicationDate_xml | – month: 04 year: 2024 text: 2024-04-01 day: 01 |
| PublicationDecade | 2020 |
| PublicationTitle | 核技术 |
| PublicationTitle_FL | Nuclear Techniques |
| PublicationYear | 2024 |
| Publisher | 四川轻化工大学 人工智能四川省重点实验室 宜宾 644000 四川轻化工大学 自动化与信息工程学院 宜宾 644000%四川轻化工大学 自动化与信息工程学院 宜宾 644000 西南科技大学 信息工程学院 绵阳 621010%四川轻化工大学 自动化与信息工程学院 宜宾 644000 四川轻化工大学 人工智能四川省重点实验室 宜宾 644000%成都惠利特自动化科技有限公司 成都 610000 |
| Publisher_xml | – name: 西南科技大学 信息工程学院 绵阳 621010%四川轻化工大学 自动化与信息工程学院 宜宾 644000 – name: 四川轻化工大学 人工智能四川省重点实验室 宜宾 644000%成都惠利特自动化科技有限公司 成都 610000 – name: 四川轻化工大学 人工智能四川省重点实验室 宜宾 644000 – name: 四川轻化工大学 自动化与信息工程学院 宜宾 644000%四川轻化工大学 自动化与信息工程学院 宜宾 644000 |
| SSID | ssj0049045 ssib001129530 ssib051373102 ssib023167186 ssib001526398 |
| Score | 2.374441 |
| Snippet | TL812; 中子/伽马(n/γ)甄别在γ射线辐射存在的中子探测中至关重要.为了解决传统n/γ脉冲形状甄别方法存在的甄别精度不稳定的问题,提出了一种结合核主成分分析(Kernel Principal Component Analysis,KPCA)、海洋捕食者算法(Marine Predator... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 73 |
| Title | 基于KPCA-MPA-ELM的n/γ甄别方法研究 |
| URI | https://d.wanfangdata.com.cn/periodical/hjs202404008 |
| Volume | 47 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3LbhMx0GqLhOCAeIpXUQ9YHKJNd9ePtY_ejasKCOohSL1Vu5tNK4SCRNJLzz1w4lQ4cIEr4lgJiX4EX0Gb32DGu9kYqeIlRStrPBnPI54Zb-wxIQ-55mEpCvR-LA94Usogr_IiiNRIRhICVBHh2eH-M7n5nD_eFttLyy-9XUv706JbHpx7ruR_rAowsCuekv0Hy7ZEAQBtsC88wcLw_CsbUyuo3qCpoZbjU9knW5kJ-lsmsE_71CZUA5CjJ6aZpSlzIMgeOX5TKWpSaiXVkqYaG4CgBeKYENGwoWkq_QQW0aA3VdhQBjdKIIWMmnaLMLWKKkZN5LiCdoKjwQgpW6AAIENCgJsClkCIsXQRFj0UJ5sGckDCUq1_QTGOd5DGCYQKSWna819mxP4eGPz5NVjwQQKgkZ5jo0dTB1EZaqTuMjVjnBonhOlRIzsNR6j2Fgl0oB3EyQ60zhkjQT0pJwfoRDmIihv-QXhtscsY5KCGGN6Z981Bqe1AchmGoefCY8ECNg8KTbypK4w284p7waO-02WehsTnBziltItwLeku6rG792LS5UkXXDIP2SK2tzsuoR_x0GWrZXIhhkVV5L2AcMkzpH7C_49VxNIrDhljzYRoUWxQRCxhrvhcnfdwHborwVvGLpJHc47Xf8-vOzA3HuXjXS-3G1wlV5pF2ZqpZ9g1snSwd51c9kp13iCd048nP07e-vNr9uFwvP79eHZ0ePrmy9n7b2fH72afjmafv94kgw07yDaD5qKRYIInTHOZlKyMcg3xTuD1CEUyHI5yrsuYlxDxIAXIIa8fVVGRD0FmJvJRxRNI7HRVDEELt8jK-NW4uk3WhIIVSlxIUQ6xWEOpdMLKuErYUIJ2dHSHrDaS7jR-ZLLjm-buH_rvkUuLaXOfrExf71erkBVPiwfOmD8Bfu150Q |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EKPCA-MPA-ELM%E7%9A%84n%2F%CE%B3%E7%94%84%E5%88%AB%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6&rft.jtitle=%E6%A0%B8%E6%8A%80%E6%9C%AF&rft.au=%E8%83%A1%E4%B8%87%E5%B9%B3&rft.au=%E5%BC%A0%E8%B4%B5%E5%AE%87&rft.au=%E5%BC%A0%E4%BA%91%E9%BE%99&rft.au=%E5%BA%B9%E5%85%88%E5%9B%BD&rft.date=2024-04-01&rft.pub=%E5%9B%9B%E5%B7%9D%E8%BD%BB%E5%8C%96%E5%B7%A5%E5%A4%A7%E5%AD%A6+%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%9B%9B%E5%B7%9D%E7%9C%81%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4+%E5%AE%9C%E5%AE%BE+644000&rft.issn=0253-3219&rft.volume=47&rft.issue=4&rft.spage=73&rft.epage=82&rft_id=info:doi/10.11889%2Fj.0253-3219.2024.hjs.47.040403&rft.externalDocID=hjs202404008 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fhjs%2Fhjs.jpg |