放射性物质目前广泛应用核电、工业探伤、医学检测等领域，其在提供大量便利的同时，一旦发生放射性泄漏事故对人体伤害非常巨大。2011年日本地震所引发的福岛核辐射危机后，社会对放射性物质的危害有了更深刻的认识，对其的使用安全给予了更广泛地关注，核安全监测被上升到前有未有的高度。随着计算机软硬件技术的不断发展，相关技术也不断应用于核素探测中，目前的核素探测装置-能谱仪也在不断的小型化、便携化。与此同时对其核素探测的准确性和快速性提出了更高的要求，为此本文通过支持向量机方法及在核素识别传统方法的深入研究，找到一种适合便携式γ能谱仪的快速核素识别方法。　　本文中的核素识别方法在传统方法的基础之上，做了两个方面的改进：　　一方面，根据核素识别的需要，优化γ能谱解谱方法，尽量保证其简单易行，以实现快速核素识别的目标。γ能谱解谱方法借鉴了传统的方法并在传统方法上针对其优缺点并结合实际需求做了部分改进。为了解决能谱中的涨落问题，在能谱分析中首先采用五点平滑法及 B样条平滑法进行数据平滑。其后为了解决能谱漂移等问题，使用已知能量的核素对γ能谱进行能量刻度。能量刻度完成之后得到以能量和计数为坐标轴的γ能谱进行寻峰计算，在寻峰计算中在现有方法的基础上提出联合寻峰方法来确定全能峰中的特征峰峰位。　　另一方面，在γ能谱解谱的基础之上，对特征峰峰位进行筛选，形成训练样本构建核素库，并引入支持向量机决策树分类方法使用全能峰特征峰峰值数据进行训练，训练完成后构建分类决策树。决策树构建后即可实现对核素的分类识别。