基于层次聚类的主动靶时间投影室数据自动轨迹识别

从主动靶时间投影室（Active Target Time Projection Chambers）数据自动重建三维粒子径迹可能是一项具有挑战性的任务，尤其在存在噪声时。在本文中，我们提出一种非参数算法，其基于聚类点三元组而非原始点的思想。我们在点三元组上定义适当的距离度量，然后对三元组应用单链接层次聚类。与 RANSAC 或 Hough 变换等参数化方法相比，新算法的优势在于潜在地发现即便事先未知形状的轨迹。该特性在位于磁场中运行、带主动靶的低能核物理实验中尤为重要。该算法已使用美国国家超导回旋加速器实验室（NSCL）开发的主动靶时间投影室实验数据验证。结果证明了该算法识别并隔离描述非解析轨迹的粒子径迹的能力。对于弯曲径迹，顶点检测召回率为 86\%、精确率为 94\%。对于直线径迹，顶点检测召回率为 96\%、精确率为 98\%。在仅含直线线性径迹的测试集上，该算法表现优于迭代 Hough 变换。