[发明专利]一种基于逻辑回归二分类的核素快速识别方法

权利要求书

1.一种基于逻辑回归二分类的核素快速识别方法，其特征在于，包括以下步骤：

S1：收集两种放射源在不同探测距离的核能谱数据作为源数据，并对这些核能谱数据根据放射源种类构建标签数据集；

S2：对所述源数据进行平滑去噪以及扣本底处理；

S3：将经步骤S2处理后的源数据采用小波包分解法提取能谱能量特征向量，这些特征向量组成特征数据集；

S4：将步骤S3中所述特征数据集进行归一化处理，将全部数据处理到[-1,1]区间内，处理的公式如下：

上述公式中，y是归一化后的数据，x为特征数据集中数据，max是数据的最大值，min是数据的最小；

将归一化处理之后的特征数据集与步骤S1中所述标签数据集混合在一起，取前75%作为训练集，后25%作为测试集，用于检测模型的准确度；

S5：构建预测函数如下：

上述公式中，h(z)为预测值，θ为需要求解的参数，z为训练集中数据；

S6：将步骤S4中训练集带入预测函数并根据设定参数进行模型训练，构造损失函数，采用梯度下降法求解θ，即得到预测函数模型；

S7：绘制步骤S6中损失函数曲线图，通过损失函数曲线图进行参数调整，以损失函数曲线趋于平缓为准，避免过度迭代，优化模型；

S8：按需求进行核素能谱识别并输出结果。

2.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，所述步骤S1中，在第一种放射源不同探测距离收集到的核能谱标签数据定义为0，在第二种放射源不同探测距离收集到的核能谱标签数据定义为1。

3.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，将经所述步骤S2处理后的源数据图表化。

4.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，所述步骤S4中的小波包分解采用sym小波进行3层小波包分解。

5.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，步骤S6中进行模型训练时所述参数设置为：学习率设置为0.01，正则项系为0.2，迭代次数为1000。

6.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，将步骤S4中所述测试集带入至步骤S6中所述预测函数模型得到预测值h(z)，以0.5为阈值，h(z)小于0.5的标签为0，h(z)大于0.5的标签为1，将得到的预测标签数据集中数据与步骤S1中标签数据集中相对应的标签数据作对比，计算模型的正确率。

7.根据权利要求1所述的一种基于逻辑回归二分类的核素快速识别方法，其特征在于，当需要进行下一次核素检测时，不需要再重新构建网络，只需重新导入待识别核素能谱即可。