基于RBFNN-FDA模型对塑料拖鞋鞋底的拉曼光谱研究

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。     

判别分析结合系统聚类对易拉罐环的XRF检验

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。     

基于spss数据处理的PE手套检测分析

塑料作为法庭科学中常见的物证之一,其检验具有研究的必要性。塑料类物证中一次性塑料手套可作为犯罪工具使用。一次性塑料手套的主要材质为聚乙烯,常见填料为碳酸钙、二氧化硅等。利用拉曼光谱结合数据降维处理的分析方法,实现对不同品牌不同来源的塑料手套快速无损鉴别。将数据处理方法和光谱学分析方法相结合,实现对光谱数据的多维度分析,保留有效数据,指定提取4个因子,为犯罪现场检验此类物证、追踪犯罪人员提供参考和借鉴。     

拉曼光谱法检验一次性塑料手套的研究

利用RT2000便携式拉曼光谱仪,对58个不同来源、不同用途的一次性塑料手套进行分析。根据不同样品拉曼光谱图的出峰位置、填料以及特征峰相对峰高比,可对一次性塑料手套进行区分。建立一种简便快速、无损且无需特殊前处理的一次性塑料手套的检验方法,为公安侦查破案提供帮助。     

多维度结合XRF对塑钢窗的快速检验

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。     

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

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。     

拉曼光谱结合机器学习识别肥皂

通过拉曼光谱和机器学习对不同品牌、种类的肥皂进行准确和快速识别。通过采集不同厂家、不同品牌生产的56种肥皂的拉曼光谱数据,将拉曼光谱进行预处理后,进行系统聚类对拉曼光谱分类,结合光谱特征峰的比对,把样本分成5类。利用机器学习的SVM、KNN、贝叶斯方法,建立不同方法的判别分析,通过检验三种判别方法的准确度比对,综合比较,得到KNN的模型分类效果最好,分类正确率为96.4%。通过这种方法可以对肥皂样本进行快速准确的检验,帮助勘查人员进行肥皂检材识别。     

基于近红外的Fisher判别法鉴别废塑料

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。     

陶瓷原料分类的Bayes判别分析法

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.     

陶瓷原料分类的距离判别分析法

将距离判别分析法应用于陶瓷原料分类中,建立陶瓷原料分类的距离判别分析模型.模型选用陶瓷原料的9种化学成分作为距离判别分析模型的判别因子.将陶瓷原料分为4个类别并作为距离判别分析的4个正态总体,以陶瓷原料样本实测数据作为训练样本,建立相应线性判别函数对待判样本进行分类.研究结果表明,距离判别分析模型分类性能良好,回判估计的误判率为0,可以在生产实际中推广应用.     

差分拉曼光谱结合聚类分析检验电线塑料外皮研究

为建立一种高效准确的差分拉曼光谱检验电线塑料外皮的方法,利用便携式差分拉曼光谱仪测得了35个不同品牌不同类型的电线塑料外皮的差分拉曼光谱数据;再根据样品的主要成分和所含填料的不同,对样品进行初步分类;利用主成分分析对初步分类后的拉曼数据进行降维,再利用系统聚类将样品分组,最后应用K-均值聚类分析对分组结果准确性进行检验...     

一次性塑料包装瓶盖(杯盖)的拉曼光谱分析

利用便携式拉曼光谱仪对收集到49个现售饮品或外卖配送饮品的一次性塑料杯盖样品和饮料瓶瓶盖样品进行检验分析,先根据样品外观进行分类,再根据拉曼位移按照成分进行分组,最后再通过计算相对峰高比进行进一步区分,都取得了较好的效果.建立了基于系统聚类的分类模型,利用主成分分析对60％的样本进行了降维和分类.最终被检样本被分为6类...     

扫描电镜/能谱法结合多元统计学对塑料拖鞋的分类研究

建立一种将扫描电镜/能谱法与多元统计学结合分析塑料拖鞋类物证的方法。对收集到的30个塑料拖鞋样本进行前处理，利用扫描电镜/能谱法对样本进行分析测试，并结合系统聚类、Fisher判别分析等多元统计学方法对实验数据进行处理。成功将30个样本分为两类，每类分为两组。此方法操作简便、快速，且无损检材、分类效果良好，可用于公安机关实际办案，在法庭科学领域有广阔的应用前景。     

基于系统聚类-神经网络的塑料饮料瓶差分拉曼光谱检验

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。     

差分拉曼光谱法对注射针剂塑料底托的检测分析

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。     

一次性手套的快速无损检验方法研究

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。     

红外指纹区光谱结合多阶导数融合技术无损分类鞋底物证

为了提高检验效率,降低检验鉴定成本,实现对鞋底的快速无损分类.采用傅里叶变换红外指纹光谱及其多阶导数光谱对5类不同品牌共计50个样本的鞋底进行分析,并构建Bayes判别和支持向量机2种分类模型.结果表明,在鞋底鉴别过程中,基于原始数据、一阶导数数据和二阶导数数据建立的融合模型,初级融合模型的区分效果优于单一模型和中级融...     

红外光谱结合化学计量学对塑料包装材料的检验

为了建立一种简便、快速、无损的鉴别塑料包装材料的分析方法,利用红外光谱法对聚乙烯、聚氯乙烯、聚丙烯、聚碳酸酯、聚苯乙烯、聚对苯二甲酸乙二醇酯等常见塑料包装材料进行检验,并利用化学计量学方法对聚合物进行分类。结果表明：通过判别函数建立分类模型,可实现未知样本的快速分类;聚乙烯薄膜的厚度对于其红外光谱产生影响,聚乙烯薄膜的吸收峰强度随其厚度增大而加大,峰强度比则随其厚度的增大而减小。     

基于化学计量学对黑色塑料袋的光谱检测

为了建立一种更加科学准确地区分检验黑色塑料袋物证的方法,本文利用X射线荧光光谱,在电压40k V、电流60 mA、测定时间60s的条件下,对41个不同品牌、不同规格的黑色塑料袋样品进行测定,根据特征元素Cl、Ba、Pb、Cr,将样品分为12组。为了实现对光谱数据的多维度分析,利用主成分分析法,从实验所得的数据中提取出4个因子,并结合Fisher判别分析,对测试数据进行判别分析。将样本聚为12类,与使用特征元素进行分类的结果一致,从而对黑色塑料袋样品进行分类,为犯罪现场黑色塑料袋物证的检验分析提供帮助。     

基于判别分析与K近邻算法对塑料吸管的红外光谱分析

为建立一种塑料吸管物证的高效、准确分类方法,利用红外光谱法对来自全国的4个品牌共42个塑料吸管样本进行了检验。经过前期光谱预处理后,利用主成分分析法提取出了25个主成分,累积方差贡献率为99. 689%,并将其作为判别变量进行判别分析。判别结果区分效果良好但交叉验证正确率仅为73. 8%,有待进一步提高。因此将判别得分作为特征变量导入K值为1的K近邻算法中,构建起了分类正确率为100%的K近邻算法模型,实现了对塑料吸管物证的准确分类。