1 中国人民公安大学侦查学院，北京 100038
2 中国人民公安大学公安管理学院，北京 100038
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。
光谱学 塑钢窗 Fisher判别分析 支持向量机 分类 机器学习 激光与光电子学进展
2022, 59(16): 1630005
1 中国人民公安大学侦查学院，北京 100038
2 北京海关缉私局司法鉴定中心，北京 100000
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。
光谱融合 大麻油 Fisher判别分析 K邻近分析 激光与光电子学进展
2022, 59(16): 1630004
1 甘肃政法大学司法警察学院（公安分院），甘肃 兰州 730000
2 中国人民公安大学侦查学院，北京 100038
3 甘肃省兰州市公安局西固分局，甘肃 兰州 730000
4 北京华仪宏盛技术有限公司，北京 100123
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。
光谱学 X射线荧光光谱法 K-means聚类 簇内误差平方和 Fisher判别分析 塑料快递包装袋 激光与光电子学进展
2022, 59(11): 1130001
1 暨南大学赤潮与海洋生物学研究中心, 水体富营养化与赤潮防治广东省高校重点实验室, 广东 广州 510632
2 燕山大学信息科学与工程学院, 燕山大学海洋科学与工程研究院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
利用三维荧光光谱技术, 研究了以微小亚历山大藻 (台湾株)(AMSY)、 塔玛亚历山大藻(大亚湾株)(ATDY)、 链状裸甲藻(防城港株)(GCFC)、 塔玛亚历山大藻(香港株)(ATHK)、 链状亚历山大藻(南海株)(ACSY)5株4种产麻痹性贝毒(PSP)微藻以及21株不产PSP藻在不同温度条件下培养微藻的各生长期产毒能力与三维荧光的关系。 研究结果表明, 在不同温度条件下, 产毒藻类单位藻细胞产毒量会发生显著变化, 低温可促进麻痹性贝毒的产生。 通过Db7小波分解, 选取Ca3尺度分量的联合荧光谱作为特征谱并利用Fisher判别发现, 产PSP藻与不产PSP藻荧光差异主要集中在λex为400~425和450~545nm; λem为715~750 nm的波段, 利用判别函数建立判别式, 实现了对产麻痹性贝类毒素藻类的识别测定。 对产PSP毒素藻类的判别率达到93.7%, 不产PSP毒素藻类判别率达到93.3% , 综合判别率为93.5%。 该研究可实现对水体中活体产PSP微藻的快速识别, 为进一步开发产毒微藻识别仪提供理论基础。
麻痹性贝毒藻类 三维荧光 Db7小波 Fisher判别 Paralytic Shellfish Poisoning Three-dimensional fluorescence Db7 wavelet Fisher discriminant function coefficient
1 福州大学空间数据挖掘与信息共享教育部重点实验室，福建 福州 350108
2 卫星空间信息技术综合应用国家地方联合工程研究中心，福建 福州 350108
3 数字中国研究院（福建）福建 福州 35108
4 福州大学环境与安全工程学院，福建 福州 350108
刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。 根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系, 提取冠层光谱中与虫害紧密相关的特征波长、 指数以及光谱参数等, 利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。 分别以原始光谱的400~508, 586~693和724~900 nm处的波长、 包络线去除光谱的400~756 nm之间的特征波长、 9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量, 构建判别函数。 收集300组毛竹叶片虫害样本数据, 随机划分为210组建模集与90组验证集, 根据检测精度、 Kappa系数以及判定系数R2作为检验标准, 对建立的判别函数进行效果评价与对比。 结果表明, 以原始光谱、 去包络线光谱、 冠层指数、 光谱参数为自变量建立的Fisher判别函数的检验精度分别为: 84.4%, 81.1%, 79.7%, 78.7%; Kappa系数分别为: 0.79, 0.74, 0.74, 0.76; R2分别为: 0.89, 0.88, 0.88和0.85。 由此可知, Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力, 而且基于冠层原始光谱建立的判别函数检测效果最佳。 根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。 检测结果为: 上湖两个样区的竹林以健康为主。 洋门两个样区虫害程度以中度和重度为主。 因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性, 该方法可为虫害检测的探究提供参考, 为基于冠层遥感虫害检测贡献理论支撑。
刚竹毒蛾 高光谱 冠层光谱 Fisher判别分析 Phyllostachys edulis Hyperspectral Canopy spectrum Fisher discriminant analysis 光谱学与光谱分析
2021, 41(10): 3200
南京航空航天大学自动化学院生物医学工程系, 江苏 南京 211106
骨关节炎是一种威胁中老年人群公共健康和生活质量的重大医学疾病。 骨关节炎的早期病变主要表现在细胞外基质成分含量的变化, 患者自身很难发现, 现有的临床方法和实验方法也不能较准确地识别骨关节炎的早期病变。 近年来, 傅里叶变换近红外(FTNIR)光谱技术因为其分析速度快、 成本低、 易于穿透组织获得样本的光谱信息等特点已被用于手术导航、 无损检测和疾病诊断等各个领域。 基于以上优势, 采用FTNIR技术对不同深度分区(表层区、 过渡区、 深层区)的健康和骨关节炎的关节软骨进行NIR光谱采集和预处理, 结合主成分分析(PCA)和Fisher判别(FDA)分别研究不同的预处理方式对判别结果的影响、 不同深度下基质成分含量的变化以及骨关节炎分期识别。 比较其他2种(基线校正、 二阶导数3次多项式25点Savitzky-Golay平滑)预处理方式, 同分区中一阶导数2次多项式21点Savitzky-Golay平滑预处理的判别结果最优, 其中表层区的识别率高达95%(初始案例)和90%(交互验证案例); 表层区的判别结果优于过渡区, 更优于深层区, 恰可证明骨关节炎的早期病变主要发生在表层区。 在骨关节炎分期识别中, 经数据优化后模型的初始案例识别率为100%, 交互验证识别率为93.3%, 预测集的识别率为87.5%。 结果表明: NIR光谱的一阶导数预处理结合PCA-FDA方法能有效地鉴别关节软骨病变与否并进行骨关节炎的分期诊断, 对骨关节炎监测和早期诊断研究具有重要意义, 并有潜力应用于骨关节炎的原位分期和早期临床诊断。
骨关节炎 NIR光谱 导数预处理 主成分分析 Fisher 判别 分期诊断 Osteoarthritis NIR spectra Derivative preprocessing Principal component analysis Fisher discrimination Stage diagnosis 光谱学与光谱分析
2021, 41(9): 2770
1 中国人民公安大学 侦查学院, 北京 102600
2 中国人民公安大学 治安与交通管理学院, 北京 102600
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。
光谱学 车漆 决策树 k近邻 Fisher判别分析 spectroscopy vehicle paints decision tree k-nearest neighbor Fisher discriminant analysis
中国人民公安大学刑事科学技术学院, 北京 100038
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。
光谱学 拉曼光谱 木器漆 Fisher判别 K近邻 激光与光电子学进展
2020, 57(1): 013001
1 国家粮食局科学研究院, 北京 100037
2 武汉轻工大学食品科学与工程学院, 湖北 武汉 430023
许多不同的稻谷品种看起来很相似, 但它们的化学成分和最终产品质量却有很大差别, 每年因品种混淆而造成巨大的经济损失, 对稻谷品种的鉴别是发展优质粮食工程的现实需要, 为此提出了一种采用高光谱成像技术实现稻谷品种无损快速鉴别的方法。 主要研究内容和结果如下: (1)在全波段388～1 000 nm范围内采集5个品种共150粒的稻谷高光谱反射率数据, 筛选出差异明显的波段(600～800 nm), 将此波段内每个品种的反射率进行Stacked计算和curve-smoothing平滑处理以增加其区分度。 (2)对5种稻谷经平滑处理后的反射率数据做主成分分析, 找到权值系数最大的波长位于680 nm, 将其作为特征波长。 加载特征波长下的纹理图像, 计算每粒稻谷样品的纹理特征参数: 均值(Mean)、 方差(Variance)、 信息熵(Entropy)和偏差(Skewness)。 利用阈值分割的方法将目标与背景区分开, 计算每粒稻谷形态特征参数: 面积像素数/pixels2、 边界的周长/pixels、 长轴长度/pixels、 短轴长度/pixels。 结合稻谷的纹理特征参数和形态特征参数, 比较Fisher判别分析模型、 偏最小二乘回归模型(PLSR)和人工神经网络模型(ANN)对稻谷品种鉴别的效果。 (3)结果显示, Fisher判别分析中函数1和函数2的累计方差贡献率达到93%, 能够较好地解释稻谷的品种信息。 将样本的函数值与组质心的平方马氏距离(Mahalanobis)做比较, 值相近的作为同一分组类别, 对稻谷品种的整体识别正确率能达到95.3%; 偏最小二成回归模型: Y品种=0.03X均值-0.36X方差-0.24X信息熵+0.37X偏差+0.31X面积-0.32X周长-0.39X长轴长度+0.45X短轴长度, 该回归模型相关系数r=0.98, 校正均方根RMESS=0.29, 交叉验证均方根PMESSCV=0.32, 对稻谷的品种鉴别正确率能达到95%; 构建的ANN模型为具有sigmoid隐含和softmax输出神经元的双层前馈网络, 对150个样品按70%∶15%∶15%的比例随机划分训练集、 测试集、 验证集, 选择共轭梯度法(scaled conjugate gradient)作为训练算法, 以交叉熵(cross-entropy)作为模型的评价指标, 对稻谷品种鉴别的正确率可达到98%。 稻谷品种鉴别的ANN模型在分类精度上优于Fisher判别和PLSR, 选择特征波长下的图像信息建立稻谷品种识别的ANN模型, 对稻谷品种的无损快速鉴别具有重要指导意义。
高光谱 稻谷品种 鉴别 Fisher判别分析 偏最小二乘回归 人工神经网络 Hyperspectral Rice variety Identification Fisher Partial least squares regression Artificial neural network 光谱学与光谱分析
2019, 39(10): 3273
