10.19677/j.issn.1004-7964.2022.05.011
基于两步聚类和RBFNN的运动鞋底材料红外光谱鉴别研究
为了更好检验案件现场中常见的运动鞋底物证,基于化学计量学与径向基函数神经网络,对采集到的45个不同品牌的运动鞋底材料的傅立叶变换红外光谱数据进行预处理后,初步按照物质组成分成四类.首先,利用主成分分析对红外光谱数据降维并提取主成分,然后通过两步聚类法对样品进行分组并结合判别分析法对聚类效果进行评价,最后以两步聚类结果为基础,构建RBF神经网络算法对样品红外数据进行训练,建立运动鞋底物证的鉴别方法.选择78.6%的样品为训练集,21.4%的样品为测试集,结果表明,训练集的分类准确率达到了 100%,测试集的分类准确率达到了 83.3%.绘制ROC曲线并计算各组样品线下面积评估诊断价值,验证了 RBFNN模型的可行性,实现了对运动鞋底材料的快速无损鉴别.此分类模型方法可操作性好,结果准确可靠.
光谱学、运动鞋底材料、化学计量学、径向基函数神经网络
32
O657.34;TB99(分析化学)
中国人民公安大学基科费重点项目2021JKF212
2022-10-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
51-56