利用高光譜技術(shù)對(duì)血跡種類(lèi)進(jìn)行無(wú)損識(shí)別研究。采用小波變換技術(shù)對(duì)400～95020nm之間的原始光譜進(jìn)行去噪處理,并對(duì)處理后的光譜進(jìn)行特征波段選擇,建立全波段和特征波長(zhǎng)下的血跡種類(lèi)識(shí)別模型。結(jié)果表明,利用特征波長(zhǎng)與支持向量機(jī)（SVM）結(jié)合建立的血跡種類(lèi)識(shí)別模型的識(shí)別準(zhǔn)確率及識(shí)別時(shí)間分別為98%和0.220s,優(yōu)于全波段建立的模型。研究表明,采用高光譜技術(shù)對(duì)血跡種類(lèi)識(shí)別是可行的。 

【文章來(lái)源】：太赫茲科學(xué)與電子信息學(xué)報(bào). 2019,17(03)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜技術(shù)的培養(yǎng)基上細(xì)菌菌落分類(lèi)方法研究[J]. 余偉,彭寬寬,陳偉,穆渴心,譚臣,王湘如,馮耀澤.  分析化學(xué). 2016(08)
[2]基于高光譜的冬油菜葉片磷含量診斷模型[J]. 李嵐?jié)?汪善勤,任濤,馬驛,魏全全,高雯晗,魯劍巍.  農(nóng)業(yè)工程學(xué)報(bào). 2016(14)
[3]基于高光譜成像技術(shù)對(duì)馬鈴薯外部缺陷的識(shí)別[J]. 趙明富,劉自迪,鄒雪,吳亮,張峰,龍潔.  激光雜志. 2016(03)
[4]Ensemble20kernel20method:SVM20classification20based20on20game20theory[J]. Yufei Liu,Dechang Pi,Qiyou Cheng.  Journal of Systems Engineering and Electronics. 2016(01)
[5]近紅外透射光譜的動(dòng)物全血鑒別[J]. 萬(wàn)雄,王建,劉鵬希,章婷婷.  光譜學(xué)與光譜分析. 2016(01)
[6]基于可見(jiàn)反射光譜和遺傳區(qū)間偏最小二乘法的血跡年齡預(yù)測(cè)研究[J]. 董永芳,孟耀勇,張平麗,文瑋,李娜.  光學(xué)學(xué)報(bào). 2015(08)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的剩余油形態(tài)識(shí)別[J]. 毛國(guó)慶,滕奇志,吳擁,何海波.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2014(06)
[8]基于光譜分析技術(shù)的不同介質(zhì)血跡陳舊度研究[J]. 趙明富,馮小平,張政委,夏曦,雷建軍.  壓電與聲光. 2013(06)
[9]基于高光譜圖像技術(shù)的指紋識(shí)別研究[J]. 趙明富,夏曦,張政委,馮小平.  激光雜志. 2013(01)
[10]刑事訴訟視野下的法醫(yī)物證應(yīng)用研究[J]. 樊學(xué)勇,楊濤.  證據(jù)科學(xué). 2012(01)



本文編號(hào)：3175792