基于多分类模型的记号笔墨水红外光谱分析

论文摘要

记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法（ATR-FTIR）获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析（DA）、径向基函数神经网络（RBF）和K近邻算法（KNN）构建分类模型。结果表明,三种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型的分类精度最高。采用ATR-FTIR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。

论文目录

• 1 实验部分
•   1.1 实验样本与光谱采集
•   1.2 数据预处理
•   1.3 分类模型构建
• 2 分析与讨论
• 3 结论

文章来源

类型: 期刊论文

作者: 何欣龙,王继芬,张倩,唐敏力,何亚

关键词: 红外光谱,记号笔墨水,判别分析,径向基函数神经网络,近邻

来源: 化学通报 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,社会科学Ⅰ辑

专业: 化学,公安

单位: 中国人民公安大学刑事科学技术学院,四川省攀枝花市公安局东区分局

基金: 广东省化学危害应急检测技术重点实验室开放基金项目(KF2018002)资助

分类号: O657.33;D918.9

DOI: 10.14159/j.cnki.0441-3776.2019.02.012

页码: 169-174

总页数: 6

文件大小: 234K

下载量: 149