红外光谱数据融合结合化学计量学无损检测汽车灯罩

汽车灯罩碎片是交通肇事案件现场经常出现的物证。为了实现对汽车灯罩物证的准确检验,该文提出一种将原始光谱与导数光谱相结合的光谱融合技术。收集不同类别和多种品牌的汽车灯罩共计44个,采用傅里叶变换红外光谱技术对样本进行分析,提取其原始光谱数据和一阶导数光谱数据,并结合化学计量学构建分类模型。在对汽车灯罩类别进行分类的Fisher判别分析模型中,单独的原始光谱数据和一阶导数光谱数据的分类准确率分别为86.40%和84.10%,融合后的光谱数据分类准确率达到93.20%,分类准确率明显提高。通过主成分分析优化模型后,融合光谱的分类准确率达到97.70%,且在进一步对汽车灯罩品牌进行分类时,分类准确率达到100.00%,实验结果理想。而在K近邻算法模型中,由于受到样本不均匀的影响,分类准确率较低。结果表明,基于原始光谱与导数光谱的光谱融合技术能够实现对汽车灯罩样本的准确分类,可以为光谱融合技术在分析检测领域的应用提供借鉴和参考。

基于滤波器-光谱数据降维的指甲地区识别

该文从实际案件中收集了5个地区共计204份指甲样本,运用希尔伯特变换滤波器对原始谱图进行降噪处理,然后采用主成分分析进行数据降维,借助朴素贝叶斯、随机森林以及偏最小二乘判别分析模型开展指甲地区的识别工作,并根据模型的识别率和相关指标筛选出最佳预处理方法和最优识别模型。结果表明,经预处理后的原始谱图识别率得到显著提升,希尔伯特变换滤波器结合主成分分析是最佳预处理方法,随机森林模型的稳定性和识别率均高于朴素贝叶斯和偏最小二乘判别分析模型,对最佳预处理方法的训练集识别率为94.88%,测试集识别率为93.47%。该方法能有效降低谱图的噪声,减少数据的冗余,提高模型的识别效果,为法庭科学中指甲地区的快速鉴定提供了参考。

敢于试水才能不被“洗牌”

SGS通标公司玩具和轻工产品事业部总监曾啸虎谈应对欧美玩具新标准

怎样规避贸易壁垒? 来自一位专家的建议

RR问题一： 欧盟、美国、日本等主要发达国家在2010年将出台哪些贸易新法规和政策，这些贸易壁垒会对我国企业出口带来怎样的影响？