基于Bayes判别的手帕纸红外光谱鉴别

手帕纸是犯罪现场常见的物证之一,在法庭科学领域备受关注。为了实现对市场上手帕纸的快速分类鉴别的目的,本文采用了具有无损检验特点的傅里叶红外光谱,结合主成分分析(PCA)与Bayes判别对8种品牌96个手帕纸样本建立分类模型。结果表明,分别利用PCA和Bayes判别对样本进行分类的准确率并不理想,采用Bayes判别对PCA降维后的特征向量进行建模,分类准确率可达100%。采用傅里叶红外光谱结合Bayes判别实现了对手帕纸的精准分类,为实践中手帕纸的分类鉴别提供一定的参考和借鉴。

拉曼光谱结合K均值法检验手帕纸包装袋的研究

为实现现场残留手帕纸塑料包装袋的检验区分,利用拉曼光谱法对35个不同品牌、不同系列、不同颜色的样本进行检验,依据拉曼光谱的差异,基于欧氏距离结合K均值聚类法,可将手帕纸塑料包装袋样本加以区分,同时考察了该法的重现性及分类可靠性。该检测分类方法不破坏检材,重现性好,分类客观性强,容错率高。为后续快速检验区分现场提取到的污染易损残片提供了理论依据。

傅里叶变换红外光谱法检验手帕纸包装袋的研究

利用傅里叶变换红外光谱法,对不同品牌、不同系列的手帕纸包装袋样本进行分析检验。依据红外光谱图中吸收峰,可以将手帕纸包装袋样本加以区分。该检验方法不破坏检材,重现性好,可用于鉴定手帕纸包装袋样本。

基于微信的手帕纸品牌传播策略研究——以福建大学生为例

微信的出现为社会化媒体的发展注入新的传播力量,为推广企业品牌提供了新的传播平台。微信在强关系圈群中进行即时互动的信息传播,微信联合腾讯其他社交应用平台,为品牌传播提供了理想的环境。文章针对福建省大学生运用定性和定量的调查方法进行广告调查,了解学生群体在微信上对手帕纸品牌的关注情况,结合微信平台信息传播特点提出了基于微信平台的手帕纸品牌传播策略,提升手帕纸品牌的好感度,促进其产品销量。

基于光谱数据融合技术的手帕纸品牌分类

光谱数据融合作为一种新兴的光谱分析技术,可以有效结合不同光谱技术的检出特点。本文将红外光谱指纹区与拉曼光谱信号较强波段数据进行融合,对288个手帕纸样本开展分类研究。采用线性判别分析对189个训练样本建立分类模型,模型的分类结果相比于独立使用红外光谱或拉曼光谱具有显著提升的准确率,但区分效果仍然不理想。利用主成分分析提取35个主成分进行线性判别分析的准确率可达100%。提取测试样本的32个主成分建模,模型的准确率可达到100%,分类结果理想。光谱融合技术为法庭科学领域手帕纸的分类鉴别提供了一种有效工具。