基于BP网络的血液气味识别模型的建立

以血液气味样品的气相色谱质谱分析结果为基础,建立了一个基于BP人工神经网络的血液气味识别模型,并利用Matlab计算平台对此模型进行了优化、训练和测试。此模型的网络结构为9×13×1,隐含层传递函数为tansig,输出层传递函数为logsig,训练函数为trainrp。优化后的模型对血液样品的正确识别率为100%。

HS-SPME-GC/MS法在血液气味分析中的应用

建立了顶空固相微萃取-气相色谱质谱联用检测血液气味的方法,优化了固相微萃取条件,对人、鸡和犬血液气味的差异性进行了比较研究。以人体血液气味中存在的甲基烯丙基硫醚、2-乙基己酸、香茅醇、3-辛基环戊烯、2-甲基-3-葵烯-5-酮、2-己烯酸乙酯和磷酸三丁酯等9种化合物作为目标化合物进行比较分析。结果表明,人和动物血液气味的化学组成存在显著差异性,利用血液气味的差异性能够区分不同来源的血迹。

基于GC-MS的血液气味识别模型

目的阐明人体血液与动物血液气味的差异性,并建立对两者进行分辨的仪器分析方法。方法采用气相色谱-质谱技术联合固相微萃取前处理方法测定了血液气味的化学组成;以血液气味色谱数据为基础,利用逐步判别分析法,以Matlab为计算工具,编写了血液气味识别模型的代码。结果分析鉴定了9种在人体血液与动物血液之间有显著差异性的化学成分,基于这些化合物建立了血液气味识别模型。结论人体血液与动物血液气味有显著差别;建立的血液气味识别模型能够正确区分人体血液与动物血液。

基于逐步判别分析的血液气味识别

本文以血液气味色谱为基础,利用逐步判别分析法建立了血液气味识别模型,并对血液气味识别模型的建立进行了详细描述。以Matlab为计算工具,编写了血液气味识别模型的代码。以人体血液与犬、鸡的血液为例,讨论了血液气味识别模型的使用方法。血液气味识别模型能够正确区分人体血液与动物血液。