大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别

采用水平衰减全反射(HATR)傅里叶变换红外光谱法(FTIR)测定了SD大鼠胰腺正常组织与非正常组织的谱图,提出了一种新的基于FTIR的连续小波特征提取与径向基人工神经网络分类方法以提高FTIR对早期SD大鼠胰腺癌的诊断准确率。利用连续小波多分辨率分析法提取FTIR特征量,对于提取的特征量采用径向基函数神经网络进行模式分类。对SD大鼠的胰腺正常组织、早期癌组织及进展期癌组织的FTIR,利用连续小波多分辨率分析法提取9个特征量,进行RBF神经网络分类判断。当目标误差为0.01,径向基函数的分布常数为5时,网络达到最优化,总的正确识别率为96.67%。并对影响分类结果的网络参数、目标误差和分布常数对分类样品的影响做了讨论。实验结果表明:此方法对早期胰腺癌具有较高的诊断率。     

基于多分类模型的记号笔墨水红外光谱分析

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。     

基于红外光谱与化学计量学的保险杠快速无损鉴别

为实现对现场车用保险杠物证快速无损准确检验鉴定,提出了一种结合牛顿插值多项式、Savitzky—Golay平滑和Fisher判别分析的车用保险杠鉴别方法。实验采集并获取奥迪等5种品牌样本的红外光谱数据,考察了牛顿插值多项式、Savitzky—Golay平滑两种预处理方法对样本分类结果的影响,同时借助判别分析构建分类模型。结果表明,4次牛顿插值多项式结合Savitzky—Golay平滑3次多项式和33点平滑点数为最佳预处理方法,其能够有效削弱噪声和干扰信息的负面影响,同时提升模型的分类准确率。在Fisher判别分析模型中,5类样本均实现了100%的准确区分和归类,实验结果较为理想。基于Fisher判别分析的识别模型具有较高的预测精度,可作为一种可靠的保险杠物证鉴别方法,该方法快速、无损、准确,具有一定的普适性和借鉴意义。     

高光谱结合多元统计分析鉴别一次性纸杯样品

为了快速、准确地对现场一次性纸杯物证进行鉴别,提出了一种基于高光谱技术结合PCA、K-Means聚类、Fisher判别分析的识别分类方法。利用高光谱仪对收集的40个不同来源、不同用途的一次性纸杯进行检验,采用主成分分析法对光谱数据进行预处理,从中提取出了11个主成分。借助K-Means算法将40个样品聚为5组,各组分间区分明显。利用Fisher判别分析构建了3组判别函数,经检验函数模型可排除污染客体干扰,分组准确率达100%。     

基于多阶导数拉曼光谱组合技术的矿物油模式分类

为了实现对法庭科学领域重质矿物油物证的快速、准确、无损的鉴定,该文基于光谱分析技术提出了一种多阶导数光谱数据组合分析的方法。收集了80种不同型号、不同厂家的重质矿物油样本,利用傅里叶变换拉曼光谱分析法采集样本的原始光谱数据和导数光谱数据,并通过结合化学计量学构建分类模型。在构建的主成分分析(PCA)结合径向基函数神经网络(RBF)分类模型中,对单独的原始光谱、一阶导数谱和二阶导数谱数据的训练集准确率分别为80.0%、86.7%和86.2%,测试集准确率分别为73.3%、80.0%和72.7%;对组合后的原始光谱+一阶导数谱、原始光谱+二阶导数谱和一阶导数谱+二阶导数谱数据的分类中,训练集准确率分别为97.0%、96.7%和100%,测试集准确率分别为85.7%、90.0%和100%。结果表明,对组合后的导数光谱与原始光谱构建分类模型,准确率更高。其中,基于一阶导数谱+二阶导数谱数据构建的PCA结合RBF分类模型的结果最为理想,准确率达100%。而K最近邻算法模型由于受到样本不均匀的影响,整体分类准确率均较低。利用组合的导数光谱与原始光谱数据构建分类模型能够实现对重质矿物油样本的快速、准确、无损鉴别,可为光谱组合技术在法庭科学及其他分析测试领域的应用提供一定的借鉴和参考。     

基于红外指纹光谱结合判别分析的木器漆种类鉴别研究

木器漆碎片的检验鉴定是微量物证检验中一项重要工作,实验借助红外光谱分析技术和判别分析,对木器漆的品牌归属实现了高效、准确的鉴别。实验收集了北京梅菲特、天津裕北等18个品牌的78种木器漆样本的红外指纹光谱图,选择自动基线校正预处理谱图,分别对每一种品牌的全部样本数据进行降维处理,对原始数据与降维后数据进行判别分析建立分类模型。经降维处理后的样本数据判别准确率达100%,而仅使用Fisher判别的结果为81.8%,表明采用降维法对数据预先处理可以一定程度提高木器漆分类的准确性。结果表明,红外指纹光谱结合判别分析模型对不同品牌水性木器漆的样本进行识别是可行的,为水性木器漆种类的快速鉴别提供理论支持。     

蛋白质二级结构预测的人工神经网络方法研究

本文比较了五种神经网络方法预测蛋白质二级结构的准确率,并做出初步评价。五种神经网络分别是:误差反传前向网络(BP),径向基函数网络(RBF),广义回归神经网络(GRNN),串并联叠层网络(CF),Elman网络(ELM)。结果显示:GRNN的预测准确率达85.7%,优于其它网络。本文还讨论了训练集样本数及参数的优化对GRNN预测准确率的影响。     

径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF-PLS—Bayes方法。它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法，从原有模式中提取出分类能力甚强的成分，然后进行贝叶斯(Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类，本文将其应用于两种类型的化学模式分类问题，均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比，具有明显的优越性。     

基于径向基函数神经网络的高血压分类诊断系统的建立

为研究头发中Ca,Mg,Al,Ca,Zn 5种微量元素以及w（Zn）／w（Cu）与高血压的相关性,利用径向基神经网络（RBF—NN）的函数逼近、模式识别和分类能力强以及学习速度快等特点,对微黄元素与高血压的相关性进行了研究;基于Matlab平台,对原始数据进行标准化预处理．45个作训练样本、8个作检测样本及其2个目标输出,建立了高血压分类的辅助诊断模型;同时与主成分分析法进行对照实验。结果表明,获得了最佳网络参数sc=0．1,me=43,分类准确率达到96．226％,径向基神经网络在判别分类上优于主成分分析法。可见RBF—NN在揭示头发微最元素与高血压的相关性上是可行的,为临床高血压分类诊断提供了一种新的方法。     

基于X射线吸收谱的不同生物组织的辨识

为了验证X射线吸收光谱法对生物组织的辨识能力,选取猪的心脏、肝、肾、胃、瘦肉以及肥肉作为实验样本,以55 k V的电压激发X射线管,利用X射线探测器获取这6类生物组织样本的X射线吸收光谱.将采集到的光谱数据分为测试集与训练集,利用主成分分析法提取光谱主成分,以训练集为输入建立径向基函数(RBF)神经网络分类预测模型,对测试集样本进行分类预测.通过交叉验证法对所有样本进行辨识的识别正确率达到90.22%.实验结果表明,X射线光谱技术结合主成分分析法和RBF神经网络能够很好地用于猪的组织分类,对将X射线光谱技术应用于生物组织辨识具有重要的指导意义.     

物流邮寄渠道走私毒品的光谱信息模型比较与优化

为了对现场大量缴获毒品进行快速检测,实现无损准确定性分析,实验对神经兴奋剂、神经抑制剂和致幻剂三类毒品共166份样本的红外光谱数据进行采集,利用径向基函数神经网络与支持向量机构建不同数据分类模型,并对比基于不同核函数的支持向量机模型对分析准确率的影响。结果表明,在三类毒品样本识别与分类过程中,基于Polynomial核函数的支持向量机分类模型分类效果优于其他模型,样本训练集的分类准确率达到96.5%。该模型在对同一类型中不同种类毒品样本的识别与分类过程中,神经兴奋剂类中各种类毒品样本训练集的分类准确率达到96.4%。本研究实现了不同类型及同一类型不同种类毒品快速准确的定性分析,为这类走私管制类药物案件的准确定性及刻画犯罪嫌疑人相关行为特征提供了一定的技术支持。     

基于主成分分析-Fisher判别分析的食品类塑料瓶物证差分拉曼光谱分类

食品类塑料瓶物证携带许多潜在证据信息,目前针对此类物证的检验研究尚处于探索阶段。利用差分拉曼光谱对46个食品类塑料瓶样品进行检验,依据样品材质及光谱特征峰可将样品分为三类。利用主成分分析（Principal component analysis, PCA）-Fisher判别分析,绘制主成分得分图,构建判别函数,建立分类模型。结果表明,食品类塑料瓶样品具有明显的聚类关系,原始分类与交叉验证分类准确率达到100 %。差分拉曼光谱结合PCA-Fisher判别分析,检验鉴别食品类塑料瓶物证具有一定的科学性。     

基于化学计量学的一次性塑料餐盒红外光谱分析

利用红外光谱法对35个一次性塑料餐盒样本进行了谱图的无损采集。经过前期Savitzky-Golay平滑、多元散射校正等数据预处理后,利用样本之间的余弦相似度进行初步分类。结合主成分分析法提取样本主成分,根据样本的主成分得分进行分类,利用相关性分析对于不同分类结果做出解释和取舍。最后利用Fisher判别分析对样本分类情况进行检验,通过分析各类别重心分布情况和类间距离考察分类效果,判别分析中留一交叉验证正确率为97.1%,证明判别模型分类效果良好,可为未知样本模式识别提供模型基础。提供了一种普遍性较强的模型分类方法,对于物证的模式识别有一定参考意义。     

应用小波特征提取肺癌组织FTIR的支持向量机分类方法研究

提出了一种新的基于傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)的小波特征提取与支持向量机(SVM)分类方法以提高FTIR对早期肺癌的诊断准确率. 对肺正常组织、早期肺癌及进展期肺癌组织的FTIR, 利用连续小波(CW)多分辨率分析法提取9个特征量, 支持向量机把其分为正常组与非正常组(包括早期肺癌和进展期肺癌), 对正常组织、早期肺癌和进展期肺癌的识别, 多项式核函数和径向基函数的识别准确率最高. 多项式核函数对正常组织、早期肺癌和进展期肺癌的识别准确率分别为100%, 95%及100%; 径向基函数分别为100%, 95%和100%. 实验结果表明FTIR-CW-SVM模式分类方法对正常肺癌组织、早期肺癌及进展肺癌的识别具有较好的可行性.     

分子荧光-基于主成分分析优化输入变量的径向基函数神经网络法测定尿液中的诺氟沙星

将主成分分析用于优化径向基函数神经网络的输入变量,用于提高神经网络模型的预测能力。方法能有效地解决分子荧光光谱法测定尿液中诺氟沙星过程中尿液中内源性荧光物质的干扰。在优化条件下,径向基函数神经网络模型对尿液中诺氟沙星的平均预测误差为15.34%,神经网络结构为2∶3∶1。方法已用于测定尿液中的诺氟沙星。     

红外光谱结合贝叶斯判别对洗发用品的分类研究

建立一种基于红外光谱的快速无损地检验洗发用品的分析方法。利用傅里叶红外光谱对60个常见的洗发用品样品进行检验,分别采用Savitzky-Golay(S-G)平滑、快速傅里叶变换(FFT)、降噪等方法对光谱数据进行预处理,并结合主成分分析法对光谱数据进行降维处理。同时建立多层感知器神经网络和贝叶斯判别分析两种分类模型,对光谱数据进行分析验证。多层感知器神经网络对原始数据、经过S-G平滑、FFT、降噪后的分类准确率分别为86.67%、88.33%、80%、90%,贝叶斯判别的分类准确率为83.33%、85%、83.33%、95%。结果显示,降噪处理效果较佳,贝叶斯判别具有更高的准确率。该方法重现性好、样品用量少、无损样品,可为洗发用品类物证鉴定提供科学依据。     

气相色谱结合化学计量学分析4种食用植物油的指纹图谱

运用气相色谱法对4类植物油(橄榄油、花生油、菜籽油和大豆油)的脂肪酸组成进行分析,并构建了植物油的指纹图谱,对4类植物油进行鉴别和分类。采用连续投影算法(SPA)对变量进行筛选,选出11个特征变量。以特征变量作为输入,使用主成分分析(PCA)和有监督模式识别(径向基函数神经网络(RBFANN)、线性判别分析(LDA)和最小二乘-支持向量机(LS-SVM))进行建模分析。结果表明,11个特征变量能够较好地区分4类植物油,PCA获得了较好的分类,RBF-ANN的预报结果最佳,预报率为92.6%,并且能准确预报二组分混合掺杂油样。该方法能够准确区分植物油种类,可用于食用植物油的鉴别和掺杂食用植物油的鉴定。     

保险杠拉曼光谱分类预测模型的建立

为了实现对拉曼光谱图的最优化处理,改善检测效果,提高鉴定效率,实现对案发现场保险杠碎片的快速无损检验鉴定,本研究借助牛顿插值多项式、Savitzky-Golay平滑滤波和Bayes判别分析的方法对保险杠样本的光谱图进行分析处理。采集6种品牌共计80个车用保险杠样本的拉曼光谱图,借助牛顿插值法、Savitzky-Golay滤波拟合法等方法处理后建立Bayes判别分类模型。结果表明:1次牛顿插值多项式处理后各样本的判别分析准确率最高,能够达到90.1%,对其开展5点Savitzky-Golay算法平滑处理后判别分析准确率可提升到97.5%。综上所述,借助牛顿插值多项式及Savitzky-Golay处理后进行判别分析可以对保险杠样本的品牌进行快速、无损、准确的检验鉴别,此方法对于其他物证的分类和鉴定也具有一定的借鉴意义。     

气相色谱结合化学计量学用于6种食用植物油的分类

运用气相色谱法对6类植物油(大豆油、花生油、茶籽油、菜籽油、玉米油、橄榄油)的脂肪酸组成进行分析,构建植物油的指纹图谱,对植物油进行鉴别和分类。本工作采用遗传-偏最小二乘法(GA-PLS)筛选出7个有效特征变量作为输入变量,采用主成分分析法(PCA)和有监督模式识别法(径向基函数神经网络(RNF-ANN),线性判别分析(LDA)和最小二乘-支持向量机(LSSVM))进行建模分析。结果表明,PCA能够较好地区分六类植物油,而在植物油种类判别分析中,LDA的预报结果最佳。本文提出的方法能够准确直观地区分植物油种类,可用于食用植物油的鉴别和掺杂食用植物油的鉴定。     

红外光谱数据融合结合化学计量学无损检测汽车灯罩

汽车灯罩碎片是交通肇事案件现场经常出现的物证.为了实现对汽车灯罩物证的准确检验,该文提出一种将原始光谱与导数光谱相结合的光谱融合技术.收集不同类别和多种品牌的汽车灯罩共计44个,采用傅里叶变换红外光谱技术对样本进行分析,提取其原始光谱数据和一阶导数光谱数据,并结合化学计量学构建分类模型.在对汽车灯罩类别进行分类的Fis...