基于Bayes判别的手帕纸红外光谱鉴别

手帕纸是犯罪现场常见的物证之一,在法庭科学领域备受关注。为了实现对市场上手帕纸的快速分类鉴别的目的,本文采用了具有无损检验特点的傅里叶红外光谱,结合主成分分析(PCA)与Bayes判别对8种品牌96个手帕纸样本建立分类模型。结果表明,分别利用PCA和Bayes判别对样本进行分类的准确率并不理想,采用Bayes判别对PCA降维后的特征向量进行建模,分类准确率可达100%。采用傅里叶红外光谱结合Bayes判别实现了对手帕纸的精准分类,为实践中手帕纸的分类鉴别提供一定的参考和借鉴。