模式識別技術(shù)在法庭科學(xué)微量油漆物證鑒定中應(yīng)用的研究.pdf_第1頁
已閱讀1頁,還剩45頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文以各類案件中出現(xiàn)率極高的微量油漆物證的傅里葉紅外光譜(FTIR)作為研究對象,將適合高維化學(xué)量測數(shù)據(jù)處理的模式識別方法SIMCA法和BP人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于微量油漆鑒定,用SIMCA方法對油漆樣本的FTIR光譜進(jìn)行了聚類分析,不同生產(chǎn)廠家的同一種類油漆經(jīng)SIMCA方法聚類后,辨識率和拒絕率均達(dá)90%以上,取得了滿意的聚類效果。在此基礎(chǔ)上,采用三層BP(BackPropagation)人工神經(jīng)網(wǎng)絡(luò),建立用于油漆樣本紅外光譜模式識別的

2、ANN模型。運(yùn)用Matlab5.2神經(jīng)網(wǎng)絡(luò)工具箱,設(shè)計了三類ANN識別程序。從識別結(jié)果來看,隱含層節(jié)點(diǎn)數(shù)為3的非線性-線性型人工神經(jīng)網(wǎng)絡(luò)的識別能力最強(qiáng),識別正確率可達(dá)97%。本文對模式識別技術(shù)在法庭科學(xué)微量物證分析中的應(yīng)用進(jìn)行了探索性研究,對如何通過對物證樣本的分析獲取隱含其中的有用信息,進(jìn)而實現(xiàn)基于計算機(jī)模式識別基礎(chǔ)上的微量物證鑒定,提高微量物證鑒定的準(zhǔn)確率和利用率進(jìn)行了深入探討。建立了以紅外光譜數(shù)據(jù)對微量油漆物證進(jìn)行分析鑒定的模式識

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論