线性降维结合支持向量机的签字笔墨迹鉴别研究 |
| |
引用本文: | 唐逸凡,杨尚鹏,刘晓冉,李彪.线性降维结合支持向量机的签字笔墨迹鉴别研究[J].警察技术,2023(2):54-59. |
| |
作者姓名: | 唐逸凡 杨尚鹏 刘晓冉 李彪 |
| |
作者单位: | 中国刑事警察学院 |
| |
摘 要: | 利用高光谱成像技术,共采集了10种黑色签字笔墨水在400nm~1000nm范围内的469条光谱用于建模和预测分析。建模分析结果表明:直接基于降维方法如线性判别分析(LDA)、偏最小二乘判别分析(PLS-DA)和核偏最小二乘判别分析(kPLS-DA)的分类模型在数据集中表现不佳,预测集分类准确率分别为79.88%、79.29%和79.88%。支持向量机(SVM)和一维卷积神经网络(1D-CNN)算法建立的分类模型能够将分类准确率分别提升至83.43%和88.16%;基于偏最小二乘判别分析(PLS-DA)和线性判别分析(LDA)先进行降维,再与SVM结合形成的PLS-SVM和LDA-SVM策略,比单独使用PLS-DA、LDA和SVM所建立的模型具有更高的分类准确率;将偏最小二乘判别分析(PLS-DA)、LDA和主成分分析(PCA)降维后的数据进行合并,再建立SVM模型能够将分类准确率提升至最高的91.72%,其预测结果的Cohen’s KAPPA系数也能够达到0.9075。对此,利用先线性降维再结合SVM建立分类模型的方法是几种分类方法中的最优策略,能够对不同品牌和类型的黑色签字笔的快速、...
|
关 键 词: | 高光谱图像 降维 支持向量机 签字笔墨水 多分类 |
|
| 点击此处可从《警察技术》浏览原始摘要信息 |
| 点击此处可从《警察技术》下载免费的PDF全文 |
|