本发明涉及辐射剂量学、epr波谱和智能分析，更为具体地，本发明涉及一种基于支持向量机的辐照样品epr波谱自动筛选方法。
背景技术：
1、在体epr方法是一种可对牙齿受到电离辐射剂量或其他不方便取样的自由基样品进行测量的方法。受噪音、水等因素的影响，在体epr(电子顺磁共振)波谱中可能会引入对波谱信号产生显著干扰的噪声，严重情况下造成波谱失效。在多次重复扫描情况下，有效波谱与无效波谱的筛选依赖人工判别，随着样品数量增加，工作量逐步增大。近年来，支持向量机被广泛应用于聚类分析、模式识别、机械故障诊断等领域中，极大程度解决了“维度灾难”和“过拟合”的问题。
技术实现思路
1、针对牙齿受到电离辐射剂量或其他不方便取样的自由基样品进行在体epr测量过程中可能出现的受干扰波谱比例高、波谱处理大、人工处理耗时长等问题，本发明的目的在于提出一种基于支持向量机的epr波谱筛选方法，其为一种智能筛选方法，能够对epr波谱进行筛选分类。本申请将epr波谱分为有效波谱、无信号波谱、受干扰波谱，有效波谱记为“0”类、无信号波谱记为“1”
2、类、受干扰波谱记为“2”类。其中有效波谱是可用于剂量预测的具有典型辐射诱发信号的波谱；无信号波谱是因样品放置不到位或测量参数问题造成的不具有典型辐射诱发信号的本底波谱；受干扰波谱是因在体测量过程的振动、水等因素引入显著干扰噪音的波谱，无法进行剂量预测。本方法通过超构建平面将所有波谱进行分开，将问题可转换为超平面的参数进行求解，即对w，b进行求解，进行计算后得到最终结果。
3、本发明的技术方案如下所示：
4、一种基于支持向量机的辐照样品epr波谱自动筛选方法，其具体包括如下步骤：
5、s1：采集各个波谱信号数据点的波谱xi_j，为各个波谱设置标签li；
6、s2：构建距离两种不同标签值最近的数据点的临界超平面；
7、s3：构建最优超平面h：wtx+b＝0，使得该最优超平面与两个临界超平面之间的距离最远；
8、s4：计算分离两个类的间隔距离d；
9、s5：引入拉格朗日算子，将该约束问题转换为对偶问题；
10、s6：引入松弛变量ξi、奖惩因子c以及拉格朗日算子μ，提高分类的准确性；
11、s7：引入核函数，将二维的向量映射到高空间维度；
12、s8：通过训练集对波谱分类训练模型进行训练；
13、s9：通过s7中的f(x)对所采集到的波谱信号进行归一化处理；
14、s10：建立测试集，利用训练好的svm模型输出需要预测波谱的类型；
15、s11：计算各个种类波谱筛选准确率以及波谱筛选的总准确率。
16、优选地，该训练集为二元二维训练样本集a；其中，i＝
17、1,2,...n,j＝1,2,…m。
18、优选地，所述超平面分别为第一临界超平面和第二临界超平面。
19、优选地，所述第一临界超平面为h1：wtx+b＝1；所述第二临界超平面为h2：wtx+b＝-1；其中，w＝(w1,w2,…wm)为超平面的法向量，决定了超平面的方向；x为波谱信号数据点；b为超平面位移项，是超平面与原点之间的距离。
20、优选地，通过所构建的最优超平面将样品完全分开。
21、优选地，间隔距离d为
22、
23、其中，||w||为w的模，
24、优选地，松弛变量ξi、奖惩因子c以及拉格朗日算子μ，提高svm分类的准确性。
25、优选地，通过
26、将横坐标转换为g值，把所采集到的epr波谱信号都统一到一个标准下。
27、优选地，各个种类波谱筛选准确率为
28、
29、其中，tpi为将第i类波谱筛选为第i类波谱的个数，fnij为将第i类波谱筛选为第j类波谱的个数总和。
30、优选地，波谱筛选的总准确率为
31、
32、其中，为第i类波谱筛选为第i类波谱的个数总和，为第i类波谱筛选为第j类波谱的个数总和。
33、与现有技术相比，本发明的优点在于：
34、本发明的基于支持向量机的辐照样品epr波谱自动筛选方法，其中支持向量机分类原遵循结构最小化原则，避开过度学习，泛化能力较强；采用本方法进行分类时无需过多的样本数据，同时能够减少内积运算。
1.一种基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，
2.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，该训练集为二元二维训练样本集a；其中，i＝1,2,...n,j＝1,2,…m。
3.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，所述超平面分别为第一临界超平面和第二临界超平面。
4.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，所述第一临界超平面为h1：wtx+
5.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，通过所构建的最优超平面将样品完全分开。
6.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，间隔距离d为
7.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，松弛变量ξi、奖惩因子c以及拉格朗日算子μ，提高svm分类的准确性。
8.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，通过
9.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，各个种类波谱筛选准确率为
10.根据权利要求1所述的基于支持向量机的辐照样品epr波谱自动筛选方法，其特征在于，波谱筛选的总准确率为
