为帮助侦查机关在案件侦办过程中获取更多线索，对工作中常见的塑钢窗物证进行高效、数据化无损鉴别，使用主成分分析（PCA）前处理结合Fisher判别分析-支持向量机（FDA-SVM）的最佳参数组合分析鉴别物证的方法，对提取的“金鹏”“海螺”等6个品牌的126组傅里叶变换红外光谱数据进行了理论和实验分析，实现了“品牌-批次”二维特征刻画与识别。选取全谱段、官能团区、指纹区三个不同谱段的PCA结果建立基于Fisher判别分析的数据分类模型，发现全谱段的分类准确率最高，为66.7%。为进一步提升对不同样本的区分能力，使用全谱段的特征值建立SVM模型，同时考查了惩罚因子C和径向基函数（RBF）伽马值σ对SVM分类模型分类准确率的影响，并得到了基于最佳参数组合（C=10，σ=2.5）的SVM分类模型。使用最佳分类模型对“海螺”品牌不同批次的塑钢窗样本进行区分，其分类准确率达到100%。所提方法分类结果理想，能满足塑钢窗快速分类的办案需求，可为其在法庭科学研究领域的应用提供一定的参考与借鉴。

实现药物快速无损准确定性分析是药物防控视域下的关键问题。采集了4类共计159份大麻油样本的光谱和色谱数据，利用有监督模式识别方法Fisher判别分析和K邻近分析构建不同数据集分类模型，对比了单一模型与融合模型对分析结果的影响。结果表明，在4类大麻油识别与分类过程中，基于光谱与色谱融合数据集的分类模型的分类效果优于其他数据集，借助K邻近分析的融合模型分类效果最佳，总体分类准确率达到1。该研究实现了对不同类型大麻油快速准确的定性分析，为准确认定缴获药物的来源、审理事实关联的上下游药物犯罪案件提供线索和证据。

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。

为了对车漆进行快速、高效、低成本的无损鉴别, 采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法, 进行了理论分析和实验验证。收集并取得了车漆共计60个样本的红外吸收光谱实验数据, 通过对特征波数的选择, 建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类模型。通过相关性分析提取到了58组调整数据, 并以此为基础构建了分类模型。结果表明, DT分类模型、KNN分类模型和FDA分类模型对各样本的总体区分准确率分别为77.80%, 72.31%和85.00%; 红外光谱结合DT-KNN-FDA分析可实现对车漆不同品牌产品间的区分, 分类效果理想。该方法快捷、低耗、有效, 具有一定的普适性和参考意义。

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358 cm -1/1239 cm -1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-Fisher-KNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。

海上溢油已成为全球环境污染的重要问题之一, 溢油严重破坏了海洋生态的平衡, 并导致人类健康受到危害。 因此, 研究高效的溢油检测方法对保护海洋生态环境具有重要意义。 三维荧光光谱技术因能获得溢油的“指纹”图谱而成为溢油鉴别领域的有效分析手段, 其与平行因子分析算法相结合获得了良好的溢油鉴别效果。 但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围, 且其对预估计组分数敏感, 组分数选择是否准确直接影响最终定性定量结果, 这些问题都会对油类检测造成使用上的限制。 油类组分极为复杂, 其中各组分间不存在统一的线性浓度范围, 其相互之间还受到荧光猝灭效应的影响。 直接对未经稀释的油类样本进行光谱数据采集, 所获得的三维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异, 导致对三维荧光光谱数据进行解析的平行因子分析算法不再适用。 但组分的种类及含量相近的油样其光谱特征相似度较高, 并且随着特定组分及其含量的改变, 其光谱形状的变化规律也较为明显。 基于此, 将三维荧光光谱和数字图像识别相结合, 提出一种针对混合油类样本的辨识方法。 首先, 利用五种矿物油(汽油、 柴油、 航空煤油、 机油和润滑油)配制三类混合油样本, 其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成; 然后利用FS920荧光光谱仪获取样本的三维荧光光谱数据, 并对该数据进行求导及灰度化预处理, 进而得到三维荧光导数光谱灰度图; 其次提取样本三维荧光导数光谱灰度图的颜色、 纹理和形状等数字图像特征; 最后, 通过Fisher判别分析建立样本的分类模型, 采用逐步回归建立混合油样本各组分相对体积的定量模型。 分类模型对三类混合油样本的分类及识别效果良好。 所建立的定量模型的线性相关性R大于0.99, 显著性检验p值小于0.05。 研究结果表明, 三维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。 该研究为海面溢油检测提供了一种简单、 可靠的识别方法。

虫害检测算法研究是开展虫害快速、 准确监测, 制定精准森防检疫措施的重要基础。 以毛竹叶片为研究尺度, 基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结, 选择并实测叶损量LL、 相对叶绿素含量RCC、 相对含水量RWC、 原始光谱的733.66~898.56 nm值（ρ733.66~898.56）、 一阶微分光谱的562.95~585.25 nm值（ρ′562.95~585.25）与706.18~725.41 nm值（ρ′706.18~725.41）等理化参数, 随机划分实验组（63组）和验证组（37组）并设计5次重复实验; 分别运用Fisher判别分析、 BP神经网络、 随机森林等三种方法建立刚竹毒蛾危害等级的检测模型, 从检测精度、 Kappa系数及R2等指标对模型的检测效果予以分析和比较。 结果显示, Fisher判别分析、 BP神经网络、 随机森林的检测精度分别为69.19%, 65.41%, 83.78%, Kappa系数分别为0.576 9, 0.532 4和0.778 8, R2分别为0.722 2, 0.582 6和0.870 9, 总体而言, 三种方法均具备刚竹毒蛾危害的检测能力, 随机森林的检测效果最优, Fisher判别分析次之, 再次为BP神经网络; 从分等级来看, 随机森林的检测精度亦优于Fisher判别分析与BP神经网络, 但3种方法对中度危害等级的检测精度均有所不足。 该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考, 并为进一步建立冠层、 遥感影像像元等尺度的虫害检测模型奠定基础。

水质类型的判别是实现光谱法水质参数准确检测的重要前提。针对直接光谱法水质检测系统采集的光谱数据信息冗余较大的问题, 利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取。采集某化工厂和某溪水水样的紫外-可见光谱数据, 利用主成分分析联合Fisher判别的方法建立判别模型,以12组水样光谱数据作为训练样本,6组作为测试样本,对模型的判别能力进行 论证和检验,并与传统的Fisher判别模型进行对比实验。实验结果表明,利用主成分分析联合Fisher判别模型可以有效消除信息冗 余带来的影响,相比传统的Fisher判别模型具有分类精度高、回代误判率为零、计算时间短等优点,计算时间由传统Fisher判别 方法的0.6733 s减少到0.6012 s。该方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。