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
共找到4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：
基于差分拉曼光谱法和化学计量学的纸质快递文件袋的分类 被引量：1
1
作者 周贯旭 姜红 +2 位作者 胡晓光 章欣 黄凯 《理化检验（化学分册）》 CAS CSCD 北大核心 2024年第4期418-422,共5页
利用纸质快递文件袋上涂漆填料的差异,采用差分拉曼光谱法和化学计量学建立了一种快速无损的纸质快递文件袋的分类方法。将63个样品剪成0.5 cm×0.5 cm的小片,采用差分拉曼光谱仪采集其拉曼光谱图,根据不同填料的差分特征拉曼峰对... 利用纸质快递文件袋上涂漆填料的差异,采用差分拉曼光谱法和化学计量学建立了一种快速无损的纸质快递文件袋的分类方法。将63个样品剪成0.5 cm×0.5 cm的小片,采用差分拉曼光谱仪采集其拉曼光谱图,根据不同填料的差分特征拉曼峰对样品进行初步分类。对原始光谱数据进行Z-score标准化后,采用K-means算法对初步分类结果进行细分,费歇尔判别分析法对细分结果进行验证,留一交叉验证法检验判别结果。结果显示:通过差分拉曼光谱特征峰的差异可将63个样品分为4类,其中48个样品为第I类样品(以碳酸钙为主要填料)。K-means算法可将第I类样品分为3组,费歇尔判别分析法验证其分类准确率达93.6%,留一交叉验证法所得判定结果准确率达87.2%,说明提出的方法可用于纸质快递文件袋的快速、准确鉴别。 展开更多
关键词 差分拉曼光谱法 纸质快递文件袋 K-MEANS算法
在线阅读 下载PDF
高光谱结合RF和1D-CNN对纸质快递文件袋的分类研究 被引量：2
2
作者 姜红 康瑞雪 《中国人民公安大学学报（自然科学版）》 2024年第1期31-36,共6页
建立一种对纸质快递文件袋快速无损的分类方法。利用高光谱对63个纸质快递文件袋样品进行检验,采用平滑、降噪和多元散射校正方式以消除高光谱的背景干扰。根据样品谱图的显著区别对样品进行分类,63个纸质快递文件袋样品可被分成3类。... 建立一种对纸质快递文件袋快速无损的分类方法。利用高光谱对63个纸质快递文件袋样品进行检验,采用平滑、降噪和多元散射校正方式以消除高光谱的背景干扰。根据样品谱图的显著区别对样品进行分类,63个纸质快递文件袋样品可被分成3类。同时利用竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)和随机森林算法(Random Forest,RF)对样品的特征光谱数据进行提取,并建立一维卷积神经网络(1D-CNN)模型,分别结合两种算法提取的特征波长对原始分类标签进行分析验证,并对未知样品进行预测识别。CARS-1D-CNN和RF-1D-CNN的模型识别准确率分别是84.21%、94.73%。通过比较发现,RF-1D-CNN可以实现对纸质快递文件袋更加有效的分类。该方法简单快速,样品用量少且无损样品,可为快递文件袋类的物证鉴定提供科学依据。 展开更多
关键词 高光谱 纸质快递文件袋 特征提取 一维卷积神经网络
在线阅读 下载PDF
红外光谱结合主成分分析对纸质快递文件袋的分类研究 被引量：2
3
作者 周贯旭 姜红 +2 位作者 胡晓光 陈敏璠 莫修浩 《包装工程》 CAS 北大核心 2023年第23期231-236,共6页
目的建立一种快速无损的检验纸质快递文件袋的分析方法。方法利用傅里叶变换红外光谱对63个纸质快递文件袋样品进行检验,分析样品的红外光谱吸收峰的峰位,结合主成分分析对光谱数据进行了降维处理并分类。利用费歇尔判别对快递文件袋的... 目的建立一种快速无损的检验纸质快递文件袋的分析方法。方法利用傅里叶变换红外光谱对63个纸质快递文件袋样品进行检验,分析样品的红外光谱吸收峰的峰位,结合主成分分析对光谱数据进行了降维处理并分类。利用费歇尔判别对快递文件袋的分类结果进行分析和验证。同时建立多层感知器神经网络和径向基函数神经网络2种分类模型,进行分析和验证。结果63个纸质快递文件袋样品可被分成四大类,利用费歇尔分类模型进行验证,准确率为100%;多层感知器神经网络分类模型准确率为95.23%,径向基函数神经网络分类模型准确率为92.06%。通过比较发现,费歇尔判别可以实现对纸质快递文件袋更加有效地分类。结论该方法简单快速,样品用量少且无损样品,可为快递文件袋类的物证鉴定提供科学依据。 展开更多
关键词 傅里叶变换红外光谱法 纸质快递文件袋 主成分分析 费歇尔判别
在线阅读 下载PDF
XRF结合化学计量学对纸张快递文件袋的分类研究
4
作者 周贯旭 姜红 +1 位作者 周飞翔 满吉 《实验与分析》 2023年第1期1-5,共5页
本文旨在建立一种快速无损的识别纸质快递文件袋的分析方法。利用手持式X射线荧光光谱仪对50个纸质快递文件袋样品进行检验,通过分析样品的X射线光谱数据的元素种类和含量对样本进行分类。对归一化后的光谱数据分别建立贝叶斯判别、RBF... 本文旨在建立一种快速无损的识别纸质快递文件袋的分析方法。利用手持式X射线荧光光谱仪对50个纸质快递文件袋样品进行检验,通过分析样品的X射线光谱数据的元素种类和含量对样本进行分类。对归一化后的光谱数据分别建立贝叶斯判别、RBF神经网络和K-近邻三种分类模型,对分类结果进行分析验证。50个样品可被分为四类,贝叶斯判别模型、RBF神经网络和K-近邻分类模型的分类准确率分别为96%、98%和100%。通过对分类准确率的比较,K-近邻分类模型更适合此类样本的XRF光谱数据,XRF与化学计量学相结合可以对纸质快递文件袋实现有效的识别。该方法简单快速且无损样品,可为快递文件袋类物证鉴定提供科学依据。 展开更多
关键词 X射线荧光光谱 纸质快递文件袋 化学计量学 贝叶斯判别 K-近邻算法
在线阅读 下载PDF
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
使用帮助 返回顶部