基于Power K-Means对橡胶轮胎的X射线荧光光谱分析

应用X射线荧光光谱结合加强的Power K-Means算法对30种来源不同的橡胶轮胎样本进行检验分析。使用X射线荧光光谱仪测定轮胎样本的五种主要元素含量后,利用肘方法判定最优簇的数目为4,设定控制权重参数为-1,初始值为4进行聚类分析,重复迭代一百次直至收敛,获得分组结果。经矩积相关系数验证后成功将11个不同品牌的样本分为4类,源自同一品牌的样本基本都被归为一类。本实验为公安机关侦查破案提供了新思路。     

纵火现场助燃剂塑料容器盖的XRF分析

为建立一种检验纵火现场助燃剂塑料容器盖的光谱分析方法,模拟案件现场条件,对完全燃烧后的助燃剂塑料容器盖进行X射线荧光光谱分析。根据不同品牌样品中元素的种类,可将38个不同品牌的样品分为6组,针对每一组采用元素质量分数的比值进一步区分,可以达到区分的目的,并使用皮尔逊相关系数验证分组的相关性,证实了分类方法的准确性。     

基于Fisher判别分析的一次性塑料手套光谱鉴别

为了建立一种快速准确且无损检材的检验一次性塑料手套的光谱分析方法,利用X-MET7000手持式X荧光光谱能量色散型分析仪,对39个不同品牌不同用途的一次性塑料手套进行检验分析,通过特征元素Cl与Cd将样品分为4组,对于同组样本还可通过Ca/Zn含量比进行进一步认定,效果较好。使用Fisher判别分析法,建立判别函数Y1、Y2与Y3,实现对新数据类别变量取值的预测,同时检验三个判别函数的判别能力。根据判别能力较强的第一和第二判别函数建立判别分布图,图中4组样本质心明显区分。为验证分类结果的准确性,对所得数据进行系统聚类和K-Means快速聚类,根据数据间的亲疏程度,进行分类,此方法为犯罪现场检验此类物证提供依据。     

基于K-means和簇内误差平方和的塑料快递包装袋X射线荧光光谱检验

提出了犯罪现场常见的塑料快递包装袋物证的识别分类模型。利用X射线荧光光谱法对60个不同产地和品牌的塑料快递包装袋样品进行了元素种类及含量的检验,并依据光谱数据进行了定性半定量分析,将60个样品初步分成13类。探究了簇内误差平方和（SSE）与聚类数的关系,并确定最优聚类数为6,利用K-means算法将60个样品成功聚成了6类,最后对聚类结果进行了Fisher判别分析。经检验,60个样品的原始分类正确率和交叉验证后的分类正确率分别为98.3%和91.7%,验证了基于K-means和SSE的塑料快递包装袋样品识别分类模型的准确性与科学性。基于X射线荧光光谱法、K-means和SSE,所提模型能无损、快速且有效地检验及识别分类塑料快递包装袋物证,结果准确可靠。     

基于多元统计分析的香烟烟灰XRF快速检验

香烟烟灰是案件现场中重要的物证。为了对香烟烟灰进行快速无损检测,采用多元统计分析方法,利用能量色散型X射线荧光光谱仪对收集到的83个烟灰样品进行了理论分析和实验验证,建立了基于化学计量学的香烟烟灰分类模型。借助聚类分析对样品聚类区分,聚类结果的准确性通过回归分析进行检验;而后采用物质元素作为变量,通过判别分析建立判别分类模型。结果表明,聚类结果良好,回归分析显示聚类分析的类别与各元素可建立良好拟合关系;判别分析得到的分类模型的准确率达到100%,若想对未知香烟烟灰样品进行归类,只需要输入判别模型的相关变量,在判别分布图中会显示出其位置, 就能对样品类别进行归类。此方法简单快速、结果准确可靠,为公安基层实际办案提供了参考。     

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。     

基于判别分析与ANN的药品铝塑包装泡罩XRF分析

目的针对案件现场常见的药品铝塑包装泡罩,为达到对其分类识别的目的,提出系列检验分析、数据处理方法。方法采用X射线荧光光谱法对45个药品铝塑包装泡罩样本所含元素进行检验并讨论分析。对检验结果进行无监督的系统聚类,利用离差平方和法计算欧氏距离进而将未知样本分为5类。结果将分类结果作为变量进行判别分析,选取累积方差百分比为97.8%的2个判别函数,其类内平方和与总平方和之比为0.015和0.394,具有较强的解释能力。绘制的样本判别分类图将5类样本类之间相互区分开来,样本总体判别正确率为95.6%。提取样本在判别函数上的判别得分构建了人工神经网络,最终分类正确率为97.8%。结论利用X射线荧光光谱法对药品铝塑包装泡罩进行检验,将元素种类及含量作为变量进行了分类,并构建了45个药品铝塑包装泡罩样本的人工神经网络分类模型,可借助该模型进一步实现对于案件现场未知类别的药品铝塑包装泡罩样本的分类识别。     

X射线荧光光谱结合支持向量机对眼药水塑料瓶的分类研究

为建立一种快速、准确、无损的眼药水塑料瓶的分类方法,利用X射线荧光光谱,在电流为200μA、电压为50 kV、功率为10 W、测试时间为60 s的条件下,对33个不同厂家、不同品牌、不同批次的眼药水塑料瓶样品进行检验,根据人工分类与系统聚类的方法将33个样品分为4类后,分别采用一对一法构建多元分类器和K-fold交叉验证2种方法构建支持向量机模型,前者预测准确率为66.67%,后者预测准确率为84.8%。采用K-fold交叉验证的方法构建支持向量机,能够较为准确地鉴别未知眼药水塑料瓶的类别,该方法可为公安办案提供参考。     

X射线荧光光谱结合聚类分析检验快递塑料包装袋

目的 针对现场经常提取到的快递塑料包装袋物证,建立一种快速检验分析、样本分类的方法.方法 采用X射线荧光光谱法对41个不同快递公司、不同来源地的快递塑料包装袋样品进行无机元素检验分析.根据不同样品的元素种类含量进行分类,并利用系统聚类和K-Means聚类,对样品进行聚类分析.结果 根据检验得出无机元素含量及其主要元素的比值,对各样品进行有效区分.通过系统聚类的方法,将样品成功聚为4类.用K-Mean算法对聚类结果进行检验,其分组结果基本一致,说明该方法的聚类效果良好.结论 利用X射线荧光光谱法结合聚类分析检验41个样品,结果表明,各类样品特征明显,具有较高的区分度,可以实现对不同公司、不同来源地的快递塑料包装袋进行区分.文中方法为公安工作中处理此类物证提供了一定的理论参考.