基于分子光谱分析的人指甲无损鉴别及性别刻画

指甲等人体生物组织的鉴定在刑事案件侦查中发挥着重要作用。为了对犯罪现场提取的指甲组织进行快速无损鉴别,提出了一种基于分子光谱分析和机器学习的人指甲无损鉴别和性别刻画方法。通过采集120个同年龄段不同性别人指甲样本的红外光谱数据,建立了多种分类预测模型。借助主成分分析技术降维提取3个主成分,对样本进行交互验证,并对比了Fisher判别函数、多层感知器及反向传播(BP)神经网络模型的识别效果。实验结果表明:多层感知器模型的分类识别率可达到91.4%,优于Fisher判别分析模型;基于粒子群优化算法的BP神经网络模型分类效果最佳,识别率达到97.7%。