提出了犯罪现场常见的塑料快递包装袋物证的识别分类模型。利用X射线荧光光谱法对60个不同产地和品牌的塑料快递包装袋样品进行了元素种类及含量的检验，并依据光谱数据进行了定性半定量分析，将60个样品初步分成13类。探究了簇内误差平方和（SSE）与聚类数的关系，并确定最优聚类数为6，利用K-means算法将60个样品成功聚成了6类，最后对聚类结果进行了Fisher判别分析。经检验，60个样品的原始分类正确率和交叉验证后的分类正确率分别为98.3%和91.7%，验证了基于K-means和SSE的塑料快递包装袋样品识别分类模型的准确性与科学性。基于X射线荧光光谱法、K-means和SSE，所提模型能无损、快速且有效地检验及识别分类塑料快递包装袋物证，结果准确可靠。

为了建立一种烟盒物证的分类研究方法，将X射线荧光光谱法、拉曼光谱法、差分拉曼光谱法相结合，对39个黄色烟盒样本进行检验。对于X射线荧光光谱数据，采用系统聚类法，可以将样本初步分为5类；综合拉曼光谱数据与差分拉曼光谱数据，利用主成分分析法对数据进行降维，采用K-Means聚类在系统聚类的基础上实现更精确的分类，可以将样本分为12类。结果表明，所提方法充分结合了X射线荧光光谱法和差分拉曼光谱法的优势，结合化学计量学可以对烟盒样本实现较好的分类检验，为公安机关侦查工作提供线索和方向。

为了实现对案件现场常见食品包装纸的快速分类及认定，提出一种基于X射线荧光光谱（XRF）结合深度学习算法的食品包装纸可视化检验方法。首先，采用XRF检验44个不同来源的食品包装纸样本中的无机元素，并根据主要构成元素的含量，对其进行人工分类和系统聚类分析。其次，分别使用主成分分析和t分布随机邻域嵌入两种降维算法处理数据以检验聚类效果，并实现数据分类可视化。最后，随机选取80%的样本作为训练集构建人工神经网络，并进行相关实验。实验结果表明，所提方法在测试集上的分类正确率为88.9%，可以为未来公安业务实际应用提供参考。

建立一种对橡胶鞋底的分类研究方法。利用X射线荧光光谱仪,在电压为45 kV,电流为40 μA,功率为1.8 kW,检测时间为60 s的条件下,对40个不同种类、不同品牌的橡胶鞋底样本进行检验。以鞋的种类作为被解释变量,建立多元线性回归模型,计算得分评级。同时,依据标准化偏相关系数筛选出特征元素。所设计模型可依据元素含量对橡胶鞋底进行分类,为侦查工作提供线索和方向。

为了构建一种鉴别打印、复印墨粉的模型, 采用X射线荧光光谱法进行理论分析和实验验证, 对28个常见品牌的墨粉样品的元素含量进行定量测定, 获得了样本各主要元素含量数据。在根据有无特定元素初步分为4组后, 使用优化k均值算法进行聚类分析, 将样本进一步分为了7组, 使用优化的k均值算法进行了聚类分析, 将样本进一步分为了7组, 并使用矩积相关系数进行了验证。结果表明, 组内样本在0.001水平上呈显著相关, 分类方法可靠, 能够较好区分各样本。该研究为司法实践中打印、复印墨粉的鉴别提供了一种快捷、简便的新思路。

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。

香烟烟灰是法庭科学研究的重要物证之一。利用化学计量学方法,采用能量色散型X射线荧光光谱(XRF)仪对42个香烟烟灰样品进行检验,实现了对香烟烟灰的快速无损检测。首先,前期对X射线荧光光谱数据做标准化处理,通过组内平方误差和法确定K的取值,同时借助K-均值聚类法对样品进行初步聚类区分并解释聚类结果反映的样品和化学成分信息。然后,结合主成分分析法和单因素方差分析法验证聚类结果。最后,利用判别分析法建立判别函数模型,建立了基于K-均值聚类法的分类模型。结果表明,利用组内平方误差和法对K进行取值的K-均值聚类准确可靠,聚类结果在主成分分析中也得到了很好的验证,不同类别均得到了较好的区分,单因素方差分析中各个元素均具有良好的显著性,判别分析显示分类模型的准确率达到 100%。此分类模型方法简单快速、结果准确可靠,为公安基层实际办案提供了参考。

香烟烟灰是案件现场中重要的物证。为了对香烟烟灰进行快速无损检测, 采用多元统计分析方法, 利用能量色散型X射线荧光光谱仪对收集到的83个烟灰样品进行了理论分析和实验验证, 建立了基于化学计量学的香烟烟灰分类模型。借助聚类分析对样品聚类区分, 聚类结果的准确性通过回归分析进行检验, 而后采用物质元素作为变量, 通过判别分析建立判别分类模型。结果表明, 聚类结果良好, 回归分析显示聚类分析的类别与各元素可建立良好拟合关系, 判别分析得到的分类模型的准确率达到100%, 若想对未知香烟烟灰样品进行归类, 只需要输入判别模型的相关变量, 在判别分布图中会显示出其位置,就能对样品类别进行归类。此方法简单快速、结果准确可靠, 为公安基层实际办案提供了参考。

为了对塑料饮料瓶物证进行检验分析, 利用傅里叶变换红外光谱仪、X射线荧光光谱仪和厚度仪, 对57个塑料饮料瓶样品进行抽查检验, 并结合聚类分析方法进行了分析处理。首先, 红外光谱法可对塑料饮料瓶样品的主要成分进行检验, 根据样品成分的不同, 可分为聚乙烯(PE)和聚对苯二甲酸乙二醇酯(PET)两大类; 其次, 通过X射线荧光光谱法对样品中的主要填料碳酸钙进行测定, 根据Ca元素的含量可以对样品进行区分; 最后, 利用测厚仪可对塑料饮料瓶样品的厚度进行测定。根据样品的颜色、规格、成分、Ca元素的含量以及样品的厚度, 结合聚类分析法可以将样品进行区分, 实验结果表明该方法简便快速、结果准确可靠、且无损检材, 可用于检验区分塑料饮料瓶。

建立一种简便快速、灵敏准确、无损的检验橡胶鞋底物证的分析方法, 为侦查破案提供线索、指明方向, 为证实犯罪提供科学的依据。利用能量色散型X射线荧光光谱仪, 电压为45 kV, 电流为40 μA, 功率为1.8 kW, 样品量为1.5 cm×1.5 cm, 测试时间60 s。对不同品牌、不同种类的40个橡胶鞋底样品中的无机元素进行定性和半定量分析, 并考查了该方法的重现性。依据样品中所含元素的种类及含量的不同, 可以对不同品牌、同一品牌不同种类的橡胶鞋底样品进行区分。同时, 利用SPSS聚类分析-重心法作为类间定义距离, 对橡胶鞋底样品进行分类, 样品的聚类效果很好。试验结果表明: 利用该方法检验橡胶鞋底样品简便快速、结果准确可靠、重现性好、无需制样且无损检材, 可用于公安机关实际办案。