[發明專利]一種基于半監督支持向量機的n-γ甄別方法

有效

• 申請號: 201810857700.0
• 申請日: 2018-07-31
• 公開（公告）號: CN110781906B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 劉寅宇;劉利芳;代剛;邢占強;李順
• 申請（專利權）人: 中國工程物理研究院電子工程研究所
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/2411;G01T3/06
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 蔣斯琪

1.一種基于半監督支持向量機的n-γ甄別方法，其特征在于包括如下步驟：

a)利用模擬數字變換器對探測器輸出脈沖信號進行模數變換，收集數字化的探測器脈沖信號，形成一定數量規模的未帶標記的脈沖信號數據集U₁，所述數量規模設定為N，其中，0＜i≤N；利用訓練數據集結合半監督的學習方法訓練出一個支持向量機，得到一個最優分類超平面；

b)對新探測得到的脈沖進行數字化，并進對脈沖信號數據集U₁中每一個脈沖信號u₁(i)進行特征信息提取預處理：提取脈沖信號的全面積S、慢成分電荷面積上升時間T_R、下降時間T_F和脈沖幅度Amp，并將脈沖信號數據集U₁進行特征信息預處理得到的特征信息數據集記為U₂，特征信息數據集中每一條數據記錄都包含了S、T_R、T_F和Amp五維特征信息即

c)將提取到的特征信息輸入到支持向量機中，利用上述分類超平面結合上述提取特征進行對新探測到的脈沖樣本進行分類預測；

所述特征信息數據集U₂由電荷比較法進行甄別分類，并對數據集U₂中電荷比較法能夠進行準確甄別的數據記錄u₂(i)添加相應的類別標簽L(i)，收集數據集U₂中所有帶類別標簽的數據記錄形成帶標簽數據集U₃，數據集中每一條數據記錄u₃(i)＝{u₂(i),L(i)}；剩余無法甄別數據記錄形成未帶標簽數據集U₄；

向量機半監督訓練詳細步驟為：利用帶標簽數據集U₃訓練出一個能夠對數據集中數據進行準確分類的支持向量機SVM1，在數據集U₃中，尋找到一個劃分超平面，將兩種類別的樣本分開，劃分超平面由如下公式(1)得到：

ω^Tu₂+b＝0?????????????????????????(1)

其中，ω為尋找的劃分超平面的法向量，b為超平面偏移項，u₂代表輸入特征空間；

支持向量機訓練過程由如下公式(2)得到：

其中，M為數據集U₃的數據規模，ξ_i為松弛變量；C＞0，C為一個常數；所述未帶標簽數據集U₄經過上述步驟中得到的支持向量機SVM1進行分類，并將數據集U₄中每一條樣本u₄(i)的SVM1分類結果作為偽標記PL(i)賦予該樣本，從而形成帶偽標記的樣本數據集U₅，該數據集中每一條數據記錄u₅(i)＝{u₄(i),PL(i)}；結合帶偽標簽的數據集U₅和帶標簽的數據集U₃重新訓練一個支持向量機SVM2，在訓練過程中對數據集U₅中要對兩個偽標記指派為異類且很可能發生錯誤的樣本進行標記交換。

2.根據權利要求1所述一種基于半監督支持向量機的n-γ甄別方法，其特征在于：所述向量機訓練過程詳細步驟如下：在利用偽標記樣本數據集U₅重新訓練支持向量機的過程中，對公式(2)的訓練過程中添加約束項得到新的公式(3)：

s.t.L(i)(ω^Tu₂(i)+b)≥1-ξ_i,i＝1,2,…,M

PL(i)(ω^Tu₂(i)+b)≥1-ξ_i,i＝M+1,M+2,…,N

ξ_i≥0,i＝1,2,…,N??????(3)

其中：C_P代表偽標記樣本在訓練過程中的影響權重；

設置0＜C_P＜C，將SVM1代入公式(3)并對數據集U₅進行預測，找到兩個標記指派為異類并且可能發生錯誤的偽標記樣本，交互其標記；重新基于公式(3)求解超平面，再找出兩個標記指派為異類并且可能發生錯誤的偽標記樣本，直至標記指派完成；逐漸增大C_P，開始新一輪的訓練，直至C_P＝C；完成訓練后得到的SVM即目標SVM。