排序方式: 共有109条查询结果,搜索用时 15 毫秒
1.
基于RSS技术的信息整合与推送功能,以情报用户的需求为导向,建立由RSS阅读器客户端、需求分析、推送机制、信息重组、推送引擎5个模块构成、动态、实时、交互的情报服务体系,实现情报信息的精确检索、定向推送、自动更新以及建立民警个性化信息库,破解信息"堰塞",提高情报工作效率. 相似文献
2.
血迹作为暴力案件现场出现率较高的生物检材,其检验鉴定工作可为案件的快速侦破提供大量信息.高光谱成像技术可对案发现场的血迹检材进行无损、快速成像,相比于检测血迹的化学试剂法和传统的光谱分析方法,高光谱成像技术具有图谱合一的显著优势.在简要分析高光谱成像特点、数据表达方式和数据处理方法的基础上,介绍了高光谱成像技术在国防、... 相似文献
3.
为建立一种快速无损检验区分塑料拖鞋鞋底的方法,利用显微共聚焦激光拉曼光谱仪采集了43个不同来源的塑料拖鞋鞋底样本的拉曼光谱图。拉曼数据经主成分分析降维后提取特征矩阵,对得到的特征矩阵进行系统聚类,建立Fisher判别函数对系统聚类的结果进行评价。最终构建径向基函数神经网络(RBFNN)实现对样本的鉴别分类,并绘制接受者操作特征曲线用以评估诊断价值。结果表明:拉曼数据提取出的特征矩阵经系统聚类被分为4组,Fisher判别分析经交叉验证后准确率为97.7%,径向基函数神经网络的准确率为100%。该方法实现了对样本快速无损的分类及预测,模型结构准确,可以为公安实际办案提供一种新思路。 相似文献
4.
5.
6.
采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别,分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型,并对分类结果进行比较。结果表明,主成分分析提取特征变量后构建的分类模型,分类的准确率更高,对聚丙烯(PP)、PP/滑石粉、PP/滑石粉/碳酸钙(CaCO3)3种类型的样本分类准确率达到92.3 %,对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9 %,分类结果理想;在构建的2种分类模型中,Fisher判别分析模型的分类率远高于K近邻算法模型,分析认为K近邻算法模型受到样本不均衡的影响;中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分,且满足快速、无损的检验要求。 相似文献
7.
X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。 相似文献
8.
为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。 相似文献
9.
指印的光学无损提取在侦查破案中发挥了重要作用,纸张是各类案件中常见的载体,但其多属于渗透性客体,上面的潜在油脂指印提取难度较大。因此,通过实验探究各类纸张上潜在油脂指印的光学提取方法。用光滑、半光滑和粗糙三类共7种纸张作为承痕客体,用油脂、植物油、矿物油、香精油四类共6种油脂指印作为检材,基于全波段CCD照相系统对42份样品进行光学检验,并与自然光下的提取效果进行对比。实验结果表明,254 nm短波紫外反射照相的提取效果较好,但由于承痕客体、油脂对光的反射性质不同,指印提取结果也有所差异。该结论为现场指印提取提供了基础数据。 相似文献
10.