典型文献
机器学习结合X射线荧光光谱的电缆线护套快速鉴别
文献摘要：
电缆线护套是爆炸案件现场的最常见物证之一,亦是绑架、盗窃、杀人、强奸等其他犯罪现场的常见物证.为了建立一种快速有效鉴别电缆护套种类的方法,利用X射线荧光光谱法对40个电缆线护套样品进行了检验.本文针对爆炸等各类犯罪现场可能遗留的电缆线护套进行检验分析,通过K均值聚类对样品进行初步聚类区分,可将样品分为5类.在此基础上构建多层感知器和Fisher判别分析分类模型.结果表明,多层感知器分类模型训练集和测试集的准确率均为100％,Fisher判别分析留一交叉验证的准确率为90％.从分类准确度可以看出,X射线荧光光谱与机器学习方法相结合可以有效地对电缆线护套进行快速、准确地分类,从而对以爆炸案件为典型代表的各类涉及电缆线的犯罪案件提供高效的溯源支撑.
文献关键词：
爆炸现场;电缆线护套;X射线荧光光谱;机器学习
中图分类号：
作者姓名：
陈争;李春宇;吕航;姜红;满吉
作者机构：
中国人民公安大学侦查学院,北京100038;北京华仪宏盛技术有限公司,北京100123
文献出处：
引用格式：
[1]陈争;李春宇;吕航;姜红;满吉-.机器学习结合X射线荧光光谱的电缆线护套快速鉴别)[J].应用激光,2022(10):146-155
A类：
电缆线护套
B类：
快速鉴别,爆炸案件,物证,绑架,盗窃,杀人,强奸,犯罪现场,快速有效,电缆护套,套种,荧光光谱法,遗留,套进,检验分析,均值聚类,多层感知器,Fisher,判别分析,分类模型,模型训练,训练集,测试集,留一交叉验证,机器学习方法,犯罪案件,爆炸现场
AB值：
0.241099
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
