红外光谱结合化学计量学检验直液式走珠笔墨水

检验鉴定书写墨水是法庭科学领域中一项重要的工作。利用傅里叶变换红外光谱仪对市面上常见的20种直液式走珠笔墨水样品进行检验,采取化学计量学实现了对直液式走珠笔墨水的快速检验。对傅里叶变换红外光谱数据做标准化处理,采取自动基线矫正、峰面积归一化、Savitzky-Golay 5点平滑3种方法对谱图做预处理,通过误差平方和指标（sum of the squares errors, SSE）确定分类K的最优取值,对样品进行K-均值聚类分析并解释聚类结果。采取主成分分析方法验证K-均值聚类的结果,利用组均值均等检验考察主成分变量对Fisher判别分析（Fisher discriminant analysis, FDA）模型的贡献程度,构建直液式走珠笔墨水的FDA判别模型。结果表明,K-均值聚类将全部墨水样本聚类为3类,PCA-FDA（principal components analysis-fisher discriminant analysis）模型能够对不同类别直液式走珠笔墨水达到100%的预测分类,经交叉验证后正确率达到100%。红外光谱与PCA-FDA模型结合可用于直液式走珠笔墨水的快速、准确检验鉴定。     

差分喇曼光谱结合化学计量学检验烟用内衬纸

为了建立一种检验现场残留烟用内衬纸的科学方法,采用最新的差分喇曼光谱技术对44个不同品牌、不同系列的样品进行了检验,依据样品中主要填料的不同对样品进行了分类。结合化学计量学,将经主成分分析降维后的数据用来聚类分析,用显著性P值和Pearson相关系数评价聚类结果的好坏,得出的最优聚类结果用来建立判别式。结果表明,经解析比对谱图后可将样品分为4类; 建立的判别式实现了对44个样品100%的准确分类,并对未知样本的判别提供了依据。该方法结合谱图分析和化学计量学,能快速、无损、准确地对样品做出客观检验,具有一定的普适性, 为公安实际办案提供了理论依据。     

基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法

提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.     

基于主成分分析和Fisher判别分析的印泥检验研究

在公安司法实践中，印章印泥长期在鉴别文件真伪中发挥重要作用。为判定文件真伪提供证据，利用SERDS Portable-Base便携式差分拉曼光谱仪，在激发光源785 nm,激光功率380 mW,扫描时间10 s,扫描范围250～2 800 cm^-1的试验条件下，对36个印泥样本进行了快速无损检测。通过分析谱图可以将样品按照特征峰位置和数目进行区分，对于同组样品还可以通过特征峰的相对峰高比进行区分。利用主成分分析法对所得的差分数据进行降维，将所得到的降维后的成分矩阵进行系统聚类，所有样本被科学地分为7类，DP值为85.23%。同时利用判别分析建立了基于聚类分析的分类模型，经交叉验证后分类正确率达94.4%。该方法快速无损，灵敏度高，抗荧光干扰性强，结合所建立模型可以科学地检验印泥样品，为公安一线文件检验等实际工作提供帮助。     

近红外光谱技术在纺织布料聚类分析中的应用

以棉涤、棉氨、粘涤、棉锦、羊腈、锦涤六种纺织布料为研究对象,采集近红外光谱数据,进行一阶求导和矢量归一化预处理后,采用标准算法计算样品间的光谱距离,并利用Ward氏算法对样品进行聚类分析.试验对三种、四种、五种布料分别进行了聚类,所有不同种类的样品都得到了正确的分类,验证了近红外光谱检测法应用于纺织品聚类分析中的可行性.通过对聚类算法的分析,提出了局部回归算法在纺织品聚类分析中的应用,为进一步研究近红外光谱技术在纺织布料聚类分析中的应用提供了建议.     

基于主成分分析和模糊聚类法的细菌后向散射光谱分类方法

食源性致病菌的快速检测是解决食品安全问题最有效的途径之一。为了实现对食源性致病菌的快速、高效、无标记检测和分类,提升了原有的光纤共聚焦后向散射光谱系统的性能,将其光场直径减小到适合较小生物样品的水平,即达到单菌水平检测。在无标记条件下,测定了三种常见的形态相近的食源性致病菌(肠炎沙门氏菌、大肠杆菌、鼠伤寒沙门氏菌)的后向散射光谱。选取500～800 nm范围的特征波段,将主成分分析和模糊聚类分析相结合,建立多元分析模型。主成分分析结果表明,所得的前5个主成分已经包含80.41%的特征区光谱信息。将前5个主成分分量作为模糊聚类分析的变量。由所求得的隶属度矩阵可知,三种细菌聚类结果的准确率均为100%。该结果说明光纤共聚焦后向散射光谱方法结合主成分分析和聚类分析法能够快速、高效、无标记地对单个细菌进行分析和分类。     

数据挖掘聚类算法研究及实现

聚类算法是数据挖掘的核心技术.研究了一种多重系统聚类模型及其算法实现,将变量聚类和样本聚类结合起来,先将指标按一定的规则分成若干类别,然后对包含每一类别指标的样本数据分别进行聚类,使用这种多重聚类方法,分类性能有了较大提高.并且在此算法多重聚类的实现中,使用了两种方法赋值样本数据阵,使聚类的结果有了直观的比较.     

基于主成分回归的土壤重金属LIBS定量分析方法研究

采用激光诱导击穿光谱(LIBS)技术结 合主成分分析(PCA )和基于PCA的偏最小二乘回归法(PLSR ),对8种土壤样品进 行分类及Cr元素含量的分析研究。对比分析了不同土壤样品基体元素的特征光谱,利用PCA 对8种土壤样品进行分类,并采用PLSR定量分析不同土壤中Cr元素的含量。研究结果表 明,不同土壤样品中的基体元素特征光谱出现较大差异,8种土壤样品经PCA分析后大致 分为3类;利用PLSR训练模型得到的定标曲线将拟合相关系数提高至0.986,对同一类的 土壤样品Cr的含量预测相对误差小于7.5%,对非同一类土壤样品Cr的预测相对 误差较大。这说明,对待测样品定量分析前,采用PCA对土壤样品分类可以提高对待测样品 重金属元素定量检测的精确度,对建立定量分析模型提供指导。     

X射线荧光光谱法检验橡胶鞋底的研究

建立一种简便快速、灵敏准确、无损的检验橡胶鞋底物证的分析方法,为侦查破案提供线索、指明方向,为证实犯罪提供科学的依据。利用能量色散型X射线荧光光谱仪,电压为45 kV,电流为40 A,功率为1.8 kW,样品量为1.5 cm1.5 cm,测试时间60 s。对不同品牌、不同种类的40个橡胶鞋底样品中的无机元素进行定性和半定量分析,并考查了该方法的重现性。依据样品中所含元素的种类及含量的不同,可以对不同品牌、同一品牌不同种类的橡胶鞋底样品进行区分。同时,利用SPSS聚类分析-重心法作为类间定义距离,对橡胶鞋底样品进行分类,样品的聚类效果很好。试验结果表明:利用该方法检验橡胶鞋底样品简便快速、结果准确可靠、重现性好、无需制样且无损检材,可用于公安机关实际办案。     

基于克隆算法的网络结构聚类新算法

基于目标函数的聚类算法是目前应用最为广泛的聚类分析方法之一.然而这类算法都需要类别数和聚类原型的先验知识,且只能分析具有相同原型的数值型数据.此外这类算法还存在对初始化敏感,易陷入局部极值点等弱点.为此,本文提出一种基于克隆算法的网络结构聚类新算法以实现聚类分析的自动化.由于新算法将克隆选择与禁忌克隆相结合,使网络既具有免疫的特异性又具有免疫的耐受性,通过分析网络神经元的最小生成树,能够快速准确地获得类别数以及相关的分类信息.对各种类型的数据集的测试结果均表明,本文提出的新算法对于处理具有混和特征的数据集聚类分析问题是相当便捷有效的.     

Computer-Based Discrimination of Abnormal Stomachs Using Radiograms

The possibility of automating mass screening of gastric disease was studied by applying statistical pattern recognition methods to features extracted from standing position-anteroposterior radiograms by two approaches. A region of interest was defined to encompass the deformity of the apex or the sulcus angularis. The ability of the features to classify normal, ulcerated, and cancerous cases was evaluated by a typical method of discriminant analysis, the minimum Mahalanobis distance classification. The error classification rate was estimated by the leaving-one-out method. Best feature sets were selected by the forward sequential search. The separability of the samples and the properties of the features were inspected also by cluster analysis. For the selected feature sets, the error classification rate obtained by the discriminant analysis agreed well with results of the cluster analysis and of inspection by physicians. The selected features tended to belong to different feature clusters. This seems to validate the feature selection.     

牛顿插值多项式-导数光谱无损检测车用保险杠

为了提高检验鉴定效率、降低检验鉴定成本，实现对案件现场车用保险杠碎片的快速无损检测，采用了基于红外指纹光谱结合牛顿插值多项式、光谱求导和判别分析的车用保险杠鉴别方法。采集并获取奥迪等6种品牌共计40个不同型号的车用保险杠样本的红外光谱，选择牛顿多项式插值、光谱求导等方法建立了判别模型。结果表明，基于指纹区波段建立的判别模型总体准确率(80.0%)高于全波段模型(77.5%)，指纹区光谱结合4次牛顿插值多项式处理后的判别准确率可到85%，经1阶导数处理后判别准确率可达100%，以判别函数DF₁和DF₂作为判别轴构建判别分类模型，6种品牌的样本均实现了100%的准确区分；红外指纹光谱结合4次牛顿插值多项式、1阶导数和判别分析可实现车用保险杠品牌快速、无损鉴别，且模型检测精度高。该方法具有普适性和一定的借鉴意义。     

自适应AP聚类算法及其在入侵检测中的应用

网络数据流量的增大对入侵检测系统的实时性提出了更高的要求,压缩训练数据可加快未知样本的分类处理速度。针对数据量过大造成压缩处理和聚类效率低下的难题,提出了一种改进的自适应AP（affinity propagation）聚类方法,采取直接关联与簇中心距离较近样本的方法,减少聚类样本数量,降低聚类时空消耗,并依据关联结果,不断调整聚类参数,精确聚类结果。2个网络安全数据集的应用结果表明,该方法可从大规模样本中有效聚出代表性子集,在保证准确率的前提下,提高入侵检测的实效性。     

谱聚类划分随机森林算法在图像识别中的应用

随机森林是近些年发展起来的新集成学习算法,具有较好的分类准确率。针对该算法计算复杂度较高的不足,提出了一种基于谱聚类划分的随机森林算法。首先,利用聚类效果较好的谱聚类算法对原始样本集的每一类进行聚类处理。然后,在每一聚类簇中随机选取一个样本作为代表,组成新训练样本集合。最后,在新训练样本集上训练随机森林分类器。该算法通过谱聚类技术对原始样本进行了初步划分,将位置相近的多个样本用簇内的一个样本代表,较大程度地减少了训练样本的个数。在Corel Image图像识别数据集上的实验表明,算法可以用较少的分类时间达到较高的分类精度。     

主成分分析联合Fisher判别在紫外-可见光谱法水质检测中的应用

水质类型的判别是实现光谱法水质参数准确检测的重要前提。针对直接光谱法水质检测系统采集的光谱数据信息冗余较大的问题, 利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取。采集某化工厂和某溪水水样的紫外-可见光谱数据, 利用主成分分析联合Fisher判别的方法建立判别模型,以12组水样光谱数据作为训练样本,6组作为测试样本,对模型的判别能力进行论证和检验,并与传统的Fisher判别模型进行对比实验。实验结果表明,利用主成分分析联合Fisher判别模型可以有效消除信息冗余带来的影响,相比传统的Fisher判别模型具有分类精度高、回代误判率为零、计算时间短等优点,计算时间由传统Fisher判别方法的0.6733 s减少到0.6012 s。该方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。     

基于DT-KNN-FDA建模的车漆光谱无损鉴别

为了对车漆进行快速、高效、低成本的无损鉴别,采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法,进行了理论分析和实验验证。收集并取得了车漆共计60个样本的红外吸收光谱实验数据,通过对特征波数的选择,建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类模型。通过相关性分析提取到了58组调整数据,并以此为基础构建了分类模型。结果表明,DT分类模型、KNN分类模型和FDA分类模型对各样本的总体区分准确率分别为77.80%,72.31%和85.00%;红外光谱结合DT-KNN-FDA分析可实现对车漆不同品牌产品间的区分,分类效果理想。该方法快捷、低耗、有效,具有一定的普适性和参考意义。     

基于特征波段-Fisher-K近邻的木器漆拉曼光谱的快速无损鉴别

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358cm-1/1239cm-1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-FisherKNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。