为分析口罩材质，建立口罩物证鉴别方法，试验用拉曼光谱仪检测107个口罩纤维样品，研究黑色、粉红色、蓝色染料对口罩纤维拉曼光谱的影响程度，基于主成分分析和相关性检验法对不同品牌、相同品牌不同批次的口罩进行区分，并实现未知品牌口罩的预测。研究表明，在拉曼特征峰相同的条件下，通过分析口罩纤维拉曼强度的差异和主成分得分图可快速找到与未知品牌相关性最强的口罩。在犯罪现场模拟试验中，未知品牌与相似品牌在主成分得分图中显示的距离最近，Pearson、Kendall Rank和Spearman 3种相关系数最大分别为0.932、0.799、0.942，据此找到了与未知品牌相似度较高的口罩。该方法缩小了物证搜查范围，可为公安办案寻找线索提供依据。

羟基磷灰石(HAP)是一种典型的生物活性材料，已在骨外科、牙科临床等方面得到了广泛的应用。由于HAP比表面积大，吸附能力强，HAP在药物递送、污水处理等领域也得到了广泛应用。磁性纳米颗粒具有良好的电磁性能、可回收性和电磁制热性能，已受到越来越多的关注。近年来，为了结合以上两种材料的优点，将磁性材料与羟基磷灰石相结合是上述领域研究应用的重点方向。此前，有综述报道过关于磁性羟基磷灰石复合材料的制备研究，但重点关注于与其他材料的复合，缺乏针对磁性羟基磷灰石制备方法的系统总结。本文以掺杂和包覆两种将磁性引入羟基磷灰石的方式为出发点，系统总结了磁性羟基磷灰石的经典制备方法及其优缺点，并讨论了其相关应用，特别是论述了进一步研究拓展的关键问题以及今后的研究趋势，以期为磁性羟基磷灰石的深入拓展提供参考。

一次性口罩的分类识别在法庭科学物证鉴别中具有重要意义,因此,提出了一种基于拉曼光谱和机器学习的一次性口罩分类识别方法。首先,采集来自不同城市、不同厂家生产的37种一次性口罩样品的拉曼光谱数据。然后,利用Savitzky-Golay平滑和归一化算法对数据进行预处理,通过主成分分析法和拉曼光谱特征峰对照方法划分口罩类别。最后,构建了基于支持向量机(SVM)、贝叶斯判别分析和前反馈(BP)神经网络的一次性口罩分类识别模型。实验结果表明,SVM模型训练集和测试集的准确率分别为93.3%和100.0%,贝叶斯判别分析模型的训练集和测试集准确率均为100.0%,BP神经网络模型的训练集、验证集、测试集准确率分别为93.9%、60.0%、60.0%。因此,将贝叶斯判别分析模型作为口罩分类识别的最佳模型,为法庭科学技术的物证检验提供了一定的借鉴意义。

为了分析纸张灰烬的主要成分并判别纸张种类，实验将30种品牌的纸张制备成纸张灰烬，用X射线荧光光谱仪测量其主要成分，基于测量数据训练支持向量机（SVM）分类器，最终实现了纸张种类和品牌来源的判别。实验精确测量90组纸张灰烬的主要成分数据，按比例随机生成训练集和测试集；在MATLAB实验平台上，利用交互式检验法确定径向基核函数的最佳参数c、g，建立了支持向量机分类模型；研究了训练集测试集比例与测试准确率的关系，当训练集测试集比例为17∶1时，模型测试准确率可达100%；最后，用Pearson相关系数分析造成模型误判的原因。研究表明，支持向量机分类模型能有效实现样品分类，可用于测试纸张灰烬的种类和品牌来源，有益于法庭科学中相关问题的解决并且为公安民警在犯罪现场收集物证提供帮助。