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

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、本文以各類案件中出現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，將適合高維化學量測數據處理的模式識別方法SIMCA法和BP人工神經網絡算法應用于微量油漆鑒定，用SIMCA方法對油漆樣本的FTIR光譜進行了聚類分析，不同生產廠家的同一種類油漆經SIMCA方法聚類后，辨識率和拒絕率均達90％以上，取得了滿意的聚類效果。在此基礎上，采用三層BP(BackPropagation)人工神經網絡，建立用于油漆樣本紅外光譜模式識別的

2、ANN模型。運用Matlab5.2神經網絡工具箱，設計了三類ANN識別程序。從識別結果來看，隱含層節(jié)點數為3的非線性-線性型人工神經網絡的識別能力最強，識別正確率可達97％。本文對模式識別技術在法庭科學微量物證分析中的應用進行了探索性研究，對如何通過對物證樣本的分析獲取隱含其中的有用信息，進而實現基于計算機模式識別基礎上的微量物證鑒定，提高微量物證鑒定的準確率和利用率進行了深入探討。建立了以紅外光譜數據對微量油漆物證進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，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論