10.3969/j.issn.1004-1656.2020.10.012
基于多元建模分析的颜料光谱无损检验
日常生活中颜料应用广泛,在盗窃、凶杀等案件现场常常能提取到颜料物证,对颜料物证区分鉴定可为案件侦破提供帮助.本研究旨在分析多种化学计量方法结合红外光谱的识别效果,以期实现对此类案件现场颜料物证快速、无损、准确的检验与鉴定.借助因子分析技术提取不同维度的特征变量,建立基于径向基函数神经网络(RBF)以及Fisher判别分析(FDA)的分类模型,从而实现不同颜料间的区分和归类.基于因子分析提取不同维度的特征变量,建立径向基函数神经网络(RBF)分类模型,发现在30维度下识别准确率最高,贝碧欧品牌达到100%,晨光品牌颜料达到93.3%,总体分类准确率达到94.4%,实验结果较为理想.针对晨光和贝碧欧品牌的颜料,径向基函数神经网络(RBF)分类模型结合因子分析的分类准确率为94.4%,Fisher判别分析(FDA)结合因子分析的分类准确率为100%,针对晨光品牌颜料中的毕加索水粉画颜料、毕加索丙烯画颜料和普通水粉颜料,Fisher判别分析(FDA)结合因子分析的分类准确率为100%,相较而言,Fisher判别分析结合因子分析分类准确率更高.利用因子分析技术提取颜料红外光谱数据的特征变量,结合Fisher判别分析在颜料物证的区分鉴别方面效果理想,满足快速、无损、准确的检验需求,并且可以减小勘查人员的工作压力,提高检验鉴定效率,为快速破案提供基础保证,可为其他物证的鉴别与分析提供一定的参考.
颜料、因子分析、径向基函数神经网络、判别分析、分类
32
O657.33(分析化学)
中国人民公安大学基本科研业务费重点项目2019JKF223
2020-11-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
1820-1825