期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于分层聚类的黑色签字笔笔迹拉曼光谱研究
被引量：
4
1
作者
马枭
王晓宾
王新承
《化学研究与应用》
CAS
CSCD
北大核心
2020年第5期873-877,共5页
提出一种结合分层聚类和判别分析对笔迹成分进行分类检验的方法。利用激光显微共聚焦拉曼光谱仪对收集的市面上常见的130支黑色签字笔笔迹样本进行检测。对测量数据进行Savitzky-Golay卷积平滑和Z-score标准化处理,利用组间连接法、组...
提出一种结合分层聚类和判别分析对笔迹成分进行分类检验的方法。利用激光显微共聚焦拉曼光谱仪对收集的市面上常见的130支黑色签字笔笔迹样本进行检测。对测量数据进行Savitzky-Golay卷积平滑和Z-score标准化处理,利用组间连接法、组内连接法和离差平方和法三种分层聚类方法对数据进行分类,将三种聚类方法所得分类结果作为判别依据进行判别分析,检验聚类方法的正确率。结合聚类树状图与正确率,最终选择在分类数为4时原始分类结果正确率为100%、留一交叉验证分类结果正确率为98.5%的离差平方和法,提出了适用于黑色签字笔笔迹拉曼光谱数据的分层聚类方法和判别验证方法。
展开更多
关键词
拉曼光谱法
黑色签字笔笔迹
分层聚类
判别分析
在线阅读
下载PDF
职称材料
基于前馈神经网络模型的差分拉曼光谱笔迹分类技术(特邀)
2
作者
姜红
《红外与激光工程》
北大核心
2025年第5期77-83,共7页
建立一种简单快速、准确、无损的对黑色签字笔笔迹的分类方法。利用便携式差分拉曼仪,在光源使用双频输出(Δλ≤1 nm),单频激光输出功率为250 mW,线宽不大于0.06 nm,波长为785 nm,光谱范围为180~2800 cm^(-1),扫描时间为3 s的差分拉曼...
建立一种简单快速、准确、无损的对黑色签字笔笔迹的分类方法。利用便携式差分拉曼仪,在光源使用双频输出(Δλ≤1 nm),单频激光输出功率为250 mW,线宽不大于0.06 nm,波长为785 nm,光谱范围为180~2800 cm^(-1),扫描时间为3 s的差分拉曼光谱条件下,对102个黑色签字笔笔迹样本进行检验。用Z-Score标准化法对原始光谱数据进行预处理,根据光谱聚类模型对样本进行分类,采用两层前馈神经网络进行训练。102个黑色签字笔笔迹样本可以被分为6类。通过进一步分析发现,大多数样本均含有二氧化钛和钛青蓝色素;草酸盐和滑石粉在大部分样本中呈现出较弱的相关性;苯酚和聚苯乙烯在某些样本中表现出显著的相关性,而在其他样本中,这种相关性则不太明显。使用光谱聚类可将样本分为3类,差分拉曼光谱在前馈神经网络的训练集和测试集中的正确率均达到97.1%,对ROC曲线的分析中,体现出较高的准确率,具有良好的分类性能。该方法操作简便快速且无损样本,可为笔迹的分类鉴定提供一种新的方法。
展开更多
关键词
差分拉曼光谱
黑色签字笔笔迹
光谱聚类
前馈神经网络
在线阅读
下载PDF
职称材料
题名
基于分层聚类的黑色签字笔笔迹拉曼光谱研究
被引量：
4
1
作者
马枭
王晓宾
王新承
机构
中国人民公安大学刑事科学技术学院
北京石油化工学院化学工程学院
出处
《化学研究与应用》
CAS
CSCD
北大核心
2020年第5期873-877,共5页
基金
国家重点研发计划项目(2017YFC082200101)资助
中国人民公安大学2018年基本科研业务费项目(2018JKF602)资助。
文摘
提出一种结合分层聚类和判别分析对笔迹成分进行分类检验的方法。利用激光显微共聚焦拉曼光谱仪对收集的市面上常见的130支黑色签字笔笔迹样本进行检测。对测量数据进行Savitzky-Golay卷积平滑和Z-score标准化处理,利用组间连接法、组内连接法和离差平方和法三种分层聚类方法对数据进行分类,将三种聚类方法所得分类结果作为判别依据进行判别分析,检验聚类方法的正确率。结合聚类树状图与正确率,最终选择在分类数为4时原始分类结果正确率为100%、留一交叉验证分类结果正确率为98.5%的离差平方和法,提出了适用于黑色签字笔笔迹拉曼光谱数据的分层聚类方法和判别验证方法。
关键词
拉曼光谱法
黑色签字笔笔迹
分层聚类
判别分析
Keywords
Raman spectroscopy
handwriting of black roller pen
hierarchical clustering
discriminant analysis
分类号
O657.37 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
基于前馈神经网络模型的差分拉曼光谱笔迹分类技术(特邀)
2
作者
姜红
机构
湖南警察学院刑事科学技术系
北京汇正卓越科技有限公司司法鉴定中心
食品药品安全防控山西省重点实验室
出处
《红外与激光工程》
北大核心
2025年第5期77-83,共7页
基金
食品药品安全防控山西省重点实验开放课题资助项目(202204010931006)。
文摘
建立一种简单快速、准确、无损的对黑色签字笔笔迹的分类方法。利用便携式差分拉曼仪,在光源使用双频输出(Δλ≤1 nm),单频激光输出功率为250 mW,线宽不大于0.06 nm,波长为785 nm,光谱范围为180~2800 cm^(-1),扫描时间为3 s的差分拉曼光谱条件下,对102个黑色签字笔笔迹样本进行检验。用Z-Score标准化法对原始光谱数据进行预处理,根据光谱聚类模型对样本进行分类,采用两层前馈神经网络进行训练。102个黑色签字笔笔迹样本可以被分为6类。通过进一步分析发现,大多数样本均含有二氧化钛和钛青蓝色素;草酸盐和滑石粉在大部分样本中呈现出较弱的相关性;苯酚和聚苯乙烯在某些样本中表现出显著的相关性,而在其他样本中,这种相关性则不太明显。使用光谱聚类可将样本分为3类,差分拉曼光谱在前馈神经网络的训练集和测试集中的正确率均达到97.1%,对ROC曲线的分析中,体现出较高的准确率,具有良好的分类性能。该方法操作简便快速且无损样本,可为笔迹的分类鉴定提供一种新的方法。
关键词
差分拉曼光谱
黑色签字笔笔迹
光谱聚类
前馈神经网络
Keywords
differential Raman
black marker handwriting
spectral clustering
feedforward neural network
分类号
O657 [理学—分析化学]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于分层聚类的黑色签字笔笔迹拉曼光谱研究
马枭
王晓宾
王新承
《化学研究与应用》
CAS
CSCD
北大核心
2020
4
在线阅读
下载PDF
职称材料
2
基于前馈神经网络模型的差分拉曼光谱笔迹分类技术(特邀)
姜红
《红外与激光工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
