高光谱结合多元统计分析鉴别一次性纸杯样品

为了快速、准确地对现场一次性纸杯物证进行鉴别,提出了一种基于高光谱技术结合PCA、K-Means聚类、Fisher判别分析的识别分类方法。利用高光谱仪对收集的40个不同来源、不同用途的一次性纸杯进行检验,采用主成分分析法对光谱数据进行预处理,从中提取出了11个主成分。借助K-Means算法将40个样品聚为5组,各组分间区分明显。利用Fisher判别分析构建了3组判别函数,经检验函数模型可排除污染客体干扰,分组准确率达100%。

X射线荧光光谱结合聚类分析检验快递塑料包装袋

目的针对现场经常提取到的快递塑料包装袋物证,建立一种快速检验分析、样本分类的方法。方法采用X射线荧光光谱法对41个不同快递公司、不同来源地的快递塑料包装袋样品进行无机元素检验分析。根据不同样品的元素种类含量进行分类,并利用系统聚类和K-Means聚类,对样品进行聚类分析。结果根据检验得出无机元素含量及其主要元素的比值,对各样品进行有效区分。通过系统聚类的方法,将样品成功聚为4类。用K-Mean算法对聚类结果进行检验,其分组结果基本一致,说明该方法的聚类效果良好。结论利用X射线荧光光谱法结合聚类分析检验41个样品,结果表明,各类样品特征明显,具有较高的区分度,可以实现对不同公司、不同来源地的快递塑料包装袋进行区分。文中方法为公安工作中处理此类物证提供了一定的理论参考。

基于多元分析的快递塑料包装袋样本光谱鉴别

为建立一种区分现场快递塑料包装袋物证的分类模型,利用X射线荧光光谱仪对39个不同颜色、不同公司的快递塑料包装袋样本进行检验。根据外表面颜色不同将39个样本初步分为3类;根据X射线荧光光谱仪测定的样本无机元素含量利用系统聚类进行进一步分组;通过判别分析构建分类模型,模型对已知样本归类准确率达100%。通过多元线性回归分析对分类结果进行检验,分类结果与判别分析结果一致。将2个未知样本代入模型进行验证,模型实现了100%的正确归类。

X射线荧光光谱结合多元分类模型鉴别橡胶鞋底

为了实现对不同种类的橡胶鞋底样本的快速鉴别,利用X射线荧光光谱法对50个橡胶鞋底样本进行快速无损检测并建立数学分类模型。为探寻最佳建模方法,以鞋的种类作为因变量,分别利用多层感知器神经网络(MLP)、二元logistic回归、fisher判别分析建立分类模型。相比较3种分类模型,MLP模型对不同种类橡胶鞋底分类准确率最高,总体分类准确率达94%,对于皮鞋的区分率达100%。结果表明,利用X射线荧光光谱结合多层感知器神经网络模型,可实现对橡胶鞋底样本的准确鉴别与区分,能够为实际侦查鉴定工作提供借鉴。