共查询到20条相似文献,搜索用时 62 毫秒
1.
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
2.
为实现对易拉罐环的鉴别分类,利用X射线荧光光谱法(XRF)对28个不同品种的易拉罐环样本成分进行检验。对样本元素的种类和含量进行初步分析后,根据样本中含量最多的5种元素进行系统聚类。经过系统聚类后样本被分为了5个类别,检验分类是否准确后将聚类分类结果作为分析依据进行判别分析,提取累积贡献率为98.2%的两个判别函数绘制判别分类图,发现样本在判别函数平面空间内类别之间明显区分开来,最终交叉验证正确率和原始分类正确率分别为82.1%和96.4%,表明该方法能对易拉罐环进行有效的分类识别。 相似文献
3.
4.
5.
为建立一种检验塑钢窗物证的方法,利用X射线荧光光谱仪对收集到的40个不同品牌、同一品牌不同系列、同一品牌同一系列不同批次塑钢窗进行检验。采用Niton XL3t GOLDD+手持式荧光光谱仪,通过预实验确定了检测条件:Ag作阳极靶;检测电压为50kV;检测电流为200μA;采集时间为70s,在此条件下对样品进行检测,根据不同塑钢窗样本所测出的特征元素种类及质量分数可对样本进行区分。为了使分类结果科学准确,首先利用主成分分析法对实验结果进行降维处理,指定提取了4个因子,再利用系统聚类和K?Means快速聚类方法对样品数据进行聚类处理,将40个样本分为28类,并利用Fisher判别分析法验证了分类结果的科学合理性。该方法结合谱图分析和化学计量学,能快速、准确、无损地对样品做出分类,为公安基层实际办案提供帮助。 相似文献
6.
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
7.
8.
通过对化学计量学方法的分析研究,提出了一种基于近红外光谱的丙烯腈–丁二烯–苯乙烯塑料、聚对苯二甲酸乙二酯、聚氯乙烯、聚丙烯、聚苯乙烯和聚乙烯6种塑料的一次性鉴别模型,为近红外塑料识别软件的二次开发提供有效程序。结果表明,光谱经3次多项式、13窗口S–G最小二乘拟合平滑+sym17函数、分解2层小波分析+主成分分析+特征波长选择+Fisher判别处理,可得5个判别函数式。由这些函数式建立的判别模型可以实现6种塑料的一次性识别,其校正集样本自身验证和交叉验证的识别率分别为100%和84.9%,表明该模型稳定;预测集样本进行模型外部检验的准确率为100%,表明该模型可行。 相似文献
9.
将Bayes判别分析法应用于陶瓷原料分类中,建立了陶瓷原料分类识别的Bayes判别分析模型.模型选用陶瓷原料的9种化学成分作为分类识别的判别因子;将陶瓷原料分为4个类别并作为Bayes判别分析的4个正态总体;以陶瓷原料样本实测数据作为训练样本,建立Bayes线性判别函数;以Bayes线性判别函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品所归属的总体;最后以回代法对判别准则进行评价以检验模型的优良性.实例研究表明,Bayes判别分析模型回判估计误判率为0,因而是陶瓷原料分类识别的一种有效方法,可在生产实际中应用和推广. 相似文献
10.
11.
12.
13.
14.
建立塑料饮料瓶物证快速准确检验鉴别方法。利用差分拉曼光谱法检验42个塑料饮料瓶样品,优化积分时间并进行重现性检验。在40 s最优积分时间条件下采集光谱,任选41个样品作为建立模型的数据集,剩余样品作为盲样,对41个样品材质初步定性分为聚对苯二甲酸乙二醇酯(PET)和聚乙烯(PE)两类。建立基于系统聚类(HCA)、多层感知器神经网络和径向基神经网络的PET样品鉴别模型,确定最优鉴别模型及样品最佳分类。结果表明,系统聚类-多层感知器神经网络为最优鉴别模型,PET样品最佳分类为2类。差分拉曼光谱法结合系统聚类和神经网络可实现塑料饮料瓶有效鉴别。 相似文献
15.
为建立一种简单快捷无损地区分塑料针剂底托的方法,采用便携式差分拉曼光谱仪对57个注射针剂塑料底托进行检测,首先通过直接观察,根据样品透明与否分类,再根据得到的差分拉曼光谱图的峰位、峰数等对样品进行成分和填料分析,同时利用系统聚类和皮尔逊相关系数分析来验证判别结果的准确性。实验结果表明,透明类样品主要成分为聚氯乙烯和聚对苯二甲酸乙二醇酯,不透明类样品主要成分为聚氯乙烯、聚对苯二甲酸乙二醇酯和聚苯乙烯,利用统计分析软件“统计产品与服务解决方案”(SPSS 26.0)聚类分析对透明类样品分类进行验证,分类结果可靠。以透明聚氯乙烯类样品为例,根据填料不同可将其分为6组,选取一组样品为例,可利用相对峰高比对其进行明显区分,再选取一组样品利用皮尔逊相关系数验证,组内样品相关性高。 相似文献
16.
一次性手套常作为物证出现于犯罪现场,因此建立快速简便准确无损检验此类物证的方法十分必要。光谱法相较于色谱法检验效果更好,利用拉曼光谱法、差分拉曼光谱法、X射线荧光光谱法以及红外光谱法对收集的不同品牌的一次性手套进行检验,对实验数据进行处理。结果表明,可将一次性手套达到区分检验,效果较好,为公安侦查工作提供帮助。 相似文献
17.
18.