基于多特征与KNN-LDA的n-γ甄别方法

本发明公开了一种基于多特征与KNN‑LDA的n‑γ甄别方法，旨在解决传统单一特征甄别方法在低能域脉冲数据中效果不佳的问题。该方法通过构建覆盖时域和频域的六个脉冲特征，利用综合投票因子和综合位置因子从特征数据中筛选出高可靠性数据集作为训练集，剩余数据作为测试集。随后，通过训练集对KNN‑LDA算法模型进行训练，训练完成后对测试集进行甄别，从而显著提升了甄别精度。该方法在低能域和高能域中的甄别效果均优于传统电荷比较法和单一LDA算法，特别是在低能域中FOM值提升显著，低能域FOM达2.64，高能域FOM达3.07。本发明具有特征提取全面、分类可靠性高、算法移植性强等优点，适用于中子与γ射线的智能化甄别。