胡创业，何高魁，陈福龙，刘 威

(1.中国原子能科学研究院 核技术应用研究所，北京 102413；2.南华大学 核科学技术学院，湖南 衡阳 421001)

目前n/γ甄别的主流方法是数字脉冲波形甄别方法(DPSD)，其主要包括基于时间域特征的上升时间[1]、过零时间[2]、电荷比较[2]和脉冲梯度分析法[3]；基于频率域特征的频率比较和梯度法[4]；基于时间和频域局部特征的小波变换甄别法[5]；基于支持向量机(SVM)[6]和BP神经网络[7]等机器学习甄别方法等。模式识别是人类的一项基本智能，计算机模式识别在20世纪60年代初迅速发展并成为一门新学科。模式识别是指对表征事物或现象的各种形式(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。数字相关模式识别(DCPR)法已被应用于文本数据挖掘与分类、信息检索、信息过滤、机器翻译和文本查重等文字识别、语音识别、指纹识别和生物认证、遥感图像识别和医学诊断等领域，取得较好的人工智能分类效果。

近几年来，国内外学者开展了基于DCPR法的n/γ甄别相关方法研究。文献[8]在2011年最早开展此方法用于n/γ甄别研究，得到的结论是低能区品质因子(FOM)小于1；文献[9]在2015年在讨论数字化仪采用不同采样率和垂直分辨率对甄别方法FOM影响时提到了DCPR法，其采用BC501液闪探测器和241Am-9Be源，但并未对DCPR法作重点介绍；文献[10]在2018年对该方法进行了相关研究得到低能区FOM在0.82左右。文献[8]的散点图随n和γ射线能量增加发生明显弯曲现象，夹角弧度先减小后增大；……