共查询到10条相似文献,搜索用时 500 毫秒
1.
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。 相似文献
2.
提出一种基于多候选基频提取和歌声基频判别的声乐主旋律提取算法。该算法可以有效降低旋律定位虚警率,提高整体准确率。利用度量距离(DIS)算法对音乐进行音符切分,并用方差法实现浊音段检测;采用幅度压缩基音估计滤波器(PEFAC)多基频提取技术,通过计算音高显著度提取每个浊音帧的多个候选基频。最后用维特比算法跟踪浊音段主导基频轨迹,并用基频判别模型进行歌声主旋律判别。在MIR-1K数据集上进行的实验表明,在信干比为5 dB和0 dB的情况下,本文算法提取的声乐主旋律整体准确率分别达到了86.22%和77.4%,相比于其他算法至少提高了3.79%和2.01%。 相似文献
3.
随着经济发展和消费升级,人们对高品质葡萄酒的需求不断增加,如何利用葡萄酒理化指标进行高效准确的质量评定显得尤为重要。本文基于UCI葡萄酒数据集,建立了SMOTE_GA_XGBoost模型来预测葡萄酒质量。结果表明,SMOTE_GA_XGBoost模型得出的级别判别准确率为89.36%,类别判别准确率为96.46%,均高于其他对比模型,具有更高的预测精度。 相似文献
4.
5.
激光打印墨粉的品牌型号判别是法庭科学专家认定涉案打印机具和鉴别添加打印文件的关键步骤,已有方法通常需要大量训练样本才能获得可靠的分类模型,但实际案例中往往无法获取足够的样本。针对这一问题提出了基于红外光谱和化学计量法的小样本墨粉种类判别方法。实验采集了8种不同品牌型号的激光打印墨粉红外光谱数据,根据光谱信号的特点以及遍历法选出效果最佳的光谱数据预处理方法,并对处理后的数据建立偏最小二乘判别分析(PLS-DA)模型,以随机森林(RF)和支持向量机(SVM)作为对比算法。实验结果表明:二阶导数与Savitzky-Golay平滑组合使用可以获得实验数据的最佳预处理效果;PLS-DA模型的准确率始终高于RF和SVM,训练集样本数大于90时PLS-DA模型准确率为100%,训练集样本数为60时该模型准确率为95%。提出的基于红外光谱和PLS-DA的激光打印墨粉种类判别模型准确率高、可解释性强且所需训练样本数较少,在物证检验领域具备较强的实用性。 相似文献
6.
为了建立醇类汽油定性定量分析判别的通用模型,采用WQF-510A傅里叶变换红外光谱仪与OPUS光谱采集软件获得甲醇汽油、乙醇汽油的中红外光谱。利用主成分(PC)分析和偏最小二乘(PLS)判别法对醇类汽油样品进行定性判别;通过无信息变量消除进行波段筛选,并基于无信息变量消除-偏最小二乘(UVE-PLS)和无信息变量消除-最小二乘支持向量机(UVE-LSSVM)两种方法分别建立醇类汽油的通用模型后用数据进行评价检验。结果表明,利用PC和DPLS对醇类汽油样品定性判别准确率达到100%;基于UVE-LSSVM方法建立的通用模型效果最好,决定系数和预测集均方根误差分别为0.945和2.187。该研究表明醇类汽油定性定量分析判别通用模型是可行的,该模型可以作为醇类汽油醇含量检测的技术参考和理论依据。 相似文献
7.
8.
9.
10.
针对无先验知识下,混合二进制协议数据帧难以识别分离的问题,提出了一种基于联合高斯混合模型(GMM)和自编码器的聚类方法。对于捕获到的未知二进制数据帧,首先通过栈式自编码器对其进行降维提取特征,并根据相应判别准则获取最佳聚类个数,最后使用改进了代价函数的自编码器对二进制数据帧进一步训练以提高聚类准确率。实验表明,该方法对网络二进制协议数据帧识别的准确率达到94%以上。 相似文献