科研之友
微信
新浪微博
Facebook
分享链接
摘要
物证的溯源分析一直是法庭科学领域的一大难点，在刑事案件侦查中发挥着重要作用。本文提出了一种衰减全反射-傅里叶变换红外光谱结合机器学习相关方法对人体指甲样本进行检验和溯源分析的新方法。采集了来自我国7大地区18个省份共计195名志愿者十指指甲样本的衰减全反射-傅里叶变换红外光谱图，经预处理后使用主成分分析和因子分析两种方法进行降维处理，随后采用多层感知器、径向基函数、决策树以及支持向量机模型开展分类识别。实验结果表明，主成分分析和因子分析两种降维方法在后续建模分析方面差别不大；多层感知器的分类效果好于径向基函数；基于CHAID算法的PCA-DT模型训练集和测试集分类识别率可达91.0%和92.0%，优于穷举式CHAID、CRT和QUEST算法；基于多项式核函数的PCA-SVM模型能够实现七大地区和华北五省市指甲样本的完全区分，分类效果好于RBF、Sigmoid和线性核函数。因此，采用衰减全反射-傅里叶变换红外光谱技术结合PCA-SVM模型能够实现不同地域指甲样本的准确区分，为指甲物证的溯源分析提供了一种新的方法与思路。
- 单位
