侯賽文，李春宇，孔維剛，劉金坤，屈音璇

(1.中國(guó)人民公安大學(xué) 偵查學(xué)院，北京 100038；2.鄭州市公安局刑事科學(xué)技術(shù)研究所，河南 鄭州 450000)

肥皂是脂肪酸金屬鹽的總稱(chēng)[1]，是生活中常見(jiàn)的洗滌用品，肥皂中會(huì)添加發(fā)泡劑、抗氧化劑等，用以改善去污性能[2]。拉曼光譜儀測(cè)量時(shí)所需樣品含量少，不破壞樣品，且檢驗(yàn)速度快[3]，幫助現(xiàn)場(chǎng)勘查人員進(jìn)行肥皂微量物證檢驗(yàn)。

為了研究快速分類(lèi)肥皂品類(lèi)的方法，本文引入機(jī)器學(xué)習(xí)方法進(jìn)行肥皂類(lèi)別的分類(lèi)[4]。通過(guò)系統(tǒng)聚類(lèi)的方法對(duì)于不同品類(lèi)的肥皂進(jìn)行分類(lèi)，得到5類(lèi)肥皂，對(duì)比三種監(jiān)督學(xué)習(xí)的方法的識(shí)別準(zhǔn)確率，為識(shí)別不同種類(lèi)肥皂找到可行性方法。

1 實(shí)驗(yàn)部分

1.1 材料與儀器

不同廠家、不同品牌的肥皂56個(gè)樣本，按照功能，分為洗滌皂、沐浴皂、藥皂、多功能皂。

InVia Raman Microscop激光拉曼光譜儀[5]，有5X、20X、50X、100X 四個(gè)顯微鏡鏡頭，波段激光器具有532，633，785 nm三個(gè)激發(fā)波段，光譜掃描的范圍100～3 200 cm-1，最低波數(shù)為10 cm-1，分辨率為1 cm-1。

1.2 實(shí)驗(yàn)方法

使用鑷子從肥皂樣品取一些碎屑，放到干凈載玻片上，啟動(dòng)激光拉曼光譜儀。為了減小儀器和環(huán)境因素的誤差，對(duì)肥皂樣品通過(guò)調(diào)整位置，在50X倍率、10%的功率、785 nm波段的條件下，對(duì)不同位置測(cè)量3次，進(jìn)行光譜數(shù)據(jù)收集。

1.3 光譜處理

在實(shí)驗(yàn)過(guò)程中，由于儀器自身噪聲帶來(lái)的影響，以及宇宙射線的影響，肥皂樣品的自身特性，以及實(shí)驗(yàn)過(guò)程中環(huán)境溫度、壓力的影響，對(duì)于得到的拉曼光譜圖像(圖1)需要進(jìn)行拉曼光譜預(yù)處理，消除誤差，得到合理譜圖。本文采用拉曼光譜基線校正、歸一化處理、高斯濾波的方法，進(jìn)行原始拉曼光譜圖的處理[6-7]，得到正常的拉曼譜圖(圖2)。

圖1 原始譜圖

圖2 預(yù)處理譜圖

2 結(jié)果與討論

2.1 系統(tǒng)聚類(lèi)分類(lèi)

采用系統(tǒng)聚類(lèi)的方法對(duì)預(yù)處理的光譜數(shù)據(jù)進(jìn)行處理。選擇z得分的方法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，聚類(lèi)方法采用組間聯(lián)接法，數(shù)據(jù)類(lèi)型區(qū)間選擇的是平方歐式距離[8-13]，得到圖3的聚類(lèi)樹(shù)狀譜系圖。

圖3 聚類(lèi)譜系圖

通過(guò)考察譜系圖的距離和細(xì)密程度，得到在距離為1的時(shí)候分類(lèi)為23類(lèi)，類(lèi)別最多，而由于類(lèi)別過(guò)多，分類(lèi)效果不是很好[14]。在距離為10～25之間的時(shí)候，可以分為2類(lèi)，類(lèi)別過(guò)少，對(duì)于研究肥皂分類(lèi)的實(shí)際應(yīng)用情況意義不大。在距離為5時(shí)，可以分為5類(lèi)，較為適宜。系統(tǒng)聚類(lèi)結(jié)果見(jiàn)表1。

表1 系統(tǒng)聚類(lèi)結(jié)果

選擇距離為5，進(jìn)行類(lèi)別分類(lèi)，作出標(biāo)簽類(lèi)別見(jiàn)圖4。

由圖4a得到5種類(lèi)別的香皂的特征峰。56號(hào)在241，530 cm-1；44號(hào)在380，959 cm-1；39號(hào)在542，1 702 cm-1；20號(hào)在150，707 cm-1；11號(hào)在 1 416，1 591 cm-1。由于香皂成分比較復(fù)雜，不同配方中的香皂因添加的物質(zhì)不同，影響肥皂中的硬脂酸鈉的峰位置，特征峰發(fā)生偏移，可以分析出所屬不同類(lèi)別的肥皂。通過(guò)觀察56種肥皂的種類(lèi)和功能后，在1類(lèi)肥皂中，以洗衣皂為主，在2類(lèi)肥皂中，以沐浴皂為主，在3類(lèi)肥皂中以藥皂為主，4類(lèi)肥皂為妙晨牌洗衣皂和上海潤(rùn)膚皂，在5類(lèi)肥皂中以內(nèi)衣皂為主。圖4b、c、d為3種不同類(lèi)別的肥皂的特征峰比對(duì)，可知不同種類(lèi)間特征峰差異較大，可以歸為不同類(lèi)；同種類(lèi)間特征峰和峰型一致，可以歸為一類(lèi)。

圖4 香皂拉曼特征峰比對(duì)

2.2 肥皂類(lèi)別識(shí)別

當(dāng)對(duì)肥皂進(jìn)行類(lèi)別分類(lèi)后，但系統(tǒng)聚類(lèi)不能對(duì)于歸類(lèi)樣本進(jìn)行識(shí)別，選用三種機(jī)器學(xué)習(xí)方法對(duì)于不同類(lèi)別的肥皂進(jìn)行識(shí)別[15-18]。

2.2.1 樸素貝葉斯分析 樸素貝葉斯將預(yù)測(cè)給定的未知類(lèi)別的數(shù)據(jù)樣本X歸為具有最大后驗(yàn)概率的類(lèi)，將X分類(lèi)到Ci類(lèi)，此時(shí)，P(Ci|X)>P(Cj|X)1≤j≤m，j≠i； 其中P(Ci|X)最大的類(lèi)為最大后驗(yàn)假定，為了把樣本X分類(lèi)，通過(guò)Ci相應(yīng)的P(X|Ci)P(Ci)進(jìn)行估算，P(X|Ci)P(Ci)>P(X|Cj)P(Cj)1≤j≤m，j≠i。而影響樸素貝葉斯的算法的準(zhǔn)確度與選擇的核相關(guān)[15]，通過(guò)選擇三角、埃帕內(nèi)奇尼科夫、盒、高斯的核，探究對(duì)于樣本識(shí)別率的影響，結(jié)果見(jiàn)圖5。

圖5 不同核樸素貝葉斯識(shí)別率

由圖5可知，核采用高斯的樸素貝葉斯的識(shí)別率最高，為92.9%，核采用盒的識(shí)別率最低，為50%。通過(guò)考察樸素貝葉斯的核采用高斯的混淆圖，認(rèn)識(shí)樸素貝葉斯算法對(duì)于識(shí)別肥皂識(shí)別率的影響，結(jié)果見(jiàn)圖6。

圖6 高斯樸素貝葉斯混淆矩陣

由表2可知，樣品識(shí)別錯(cuò)誤的個(gè)數(shù)相同時(shí)對(duì)于不同類(lèi)別的影響不一樣，類(lèi)別中樣本越多，識(shí)別預(yù)測(cè)錯(cuò)誤影響率越低；同時(shí)核樸素貝葉斯對(duì)于標(biāo)簽為3的類(lèi)別率效果最好。

表2 不同標(biāo)簽識(shí)別率

2.2.2 支持向量機(jī)(SVM)分析 對(duì)于SVM的分類(lèi)效果好壞與選擇SVM的核函數(shù)具有很密切的聯(lián)系[16]，本文選擇多項(xiàng)式核函數(shù)作為SVM分類(lèi)核函數(shù)，可以有效分類(lèi)不同標(biāo)簽的肥皂。SVM多項(xiàng)式核函數(shù)為：κ(x，xi)=((x·xi)+1)d，其中，d為階數(shù)，階數(shù)不同時(shí)對(duì)分類(lèi)的識(shí)別率有影響。本文通過(guò)d=1，2，3時(shí)得到了對(duì)于肥皂分類(lèi)的影響(表3)，d=1時(shí)，SVM核也被稱(chēng)為線性SVM核。

表3 不同分類(lèi)識(shí)別率

由表3可知，核函數(shù)為多項(xiàng)式時(shí)，多項(xiàng)式的階數(shù)不同時(shí)，SVM對(duì)于標(biāo)簽為1的肥皂的識(shí)別率為100%，而對(duì)于標(biāo)簽為5的肥皂識(shí)別錯(cuò)誤率和準(zhǔn)確度相同，其中對(duì)于標(biāo)簽為2的肥皂類(lèi)別的識(shí)別出錯(cuò)的個(gè)數(shù)最多，分別為3、4、3。

由圖7可知，d=3時(shí)，準(zhǔn)確率最高，為91.1%；d=2的準(zhǔn)確率最低，為87.5%，不同階數(shù)的準(zhǔn)確率不同，與階數(shù)大小沒(méi)有聯(lián)系。通過(guò)綜合分析，d=3時(shí)，SVM的識(shí)別率效果最好。

圖7 不同階數(shù)SVM識(shí)別率

2.2.3 K最近鄰(KNN) 影響KNN算法對(duì)于模識(shí)別的因素一般有K值的大小、分類(lèi)器中距離度量的影響以及實(shí)驗(yàn)數(shù)據(jù)結(jié)構(gòu)的特異性[17]。其中K值大小的影響比較顯著。當(dāng)K值較小時(shí)，分類(lèi)的結(jié)果比較復(fù)雜，容易出現(xiàn)過(guò)度擬合的后果；當(dāng)K值過(guò)大時(shí)，使得分類(lèi)簡(jiǎn)單，出現(xiàn)錯(cuò)誤的識(shí)別概率較大。不同K值對(duì)于肥皂識(shí)別效果的影響見(jiàn)圖8。

圖8 不同K值KNN識(shí)別率

由圖8可知，隨著K值的增大，識(shí)別的準(zhǔn)確度逐漸下降，其中，在K>9以后，識(shí)別的準(zhǔn)確度有明顯的下降趨勢(shì)，到K≥18以后有變緩和的趨勢(shì)。本文通過(guò)選用K=1時(shí)，距離度量為Euclidean，距離權(quán)重為等距離，分析其對(duì)于肥皂樣品的識(shí)別影響，結(jié)果見(jiàn)圖9和表4。

圖9 K=1，KNN混淆矩陣

表4 K=1，不同分類(lèi)識(shí)別率

由表4可知，K=1的KNN算法在識(shí)別分類(lèi)肥皂中，總共有兩個(gè)樣本識(shí)別錯(cuò)誤，2號(hào)標(biāo)簽里的11個(gè)樣本中有一個(gè)識(shí)別成1號(hào)標(biāo)簽；4號(hào)標(biāo)簽的2個(gè)樣本中有一個(gè)識(shí)別為3號(hào)標(biāo)簽。此時(shí)，KNN算法的識(shí)別率為96.4%。

通過(guò)本次實(shí)驗(yàn)，得到的機(jī)器學(xué)習(xí)算法對(duì)于肥皂識(shí)別的方法，比傳統(tǒng)的案件過(guò)程中對(duì)于肥皂的識(shí)別通過(guò)人工篩查和液相色譜的分析的方法簡(jiǎn)單和省時(shí)，為案件偵查提供了新的物證檢驗(yàn)的方法[19]。但是本文中存在數(shù)據(jù)量少以及準(zhǔn)確度的問(wèn)題，可以通過(guò)更多樣本數(shù)據(jù)的收集，進(jìn)行數(shù)據(jù)庫(kù)的建立，建立更加自動(dòng)化的識(shí)別的模型，和便攜式拉曼光譜聯(lián)用[20-21]，達(dá)到幫助案件現(xiàn)場(chǎng)物證快速檢測(cè)和民警處理違禁物品檢查的目標(biāo)。

3 結(jié)論

通過(guò)拉曼光譜譜圖并結(jié)合系統(tǒng)聚類(lèi)、樸素貝葉斯、SVM、KNN的方法，對(duì)于肥皂樣本的識(shí)別建立了分析方法，首先通過(guò)系統(tǒng)聚類(lèi)對(duì)于不同品牌和不同功能的肥皂數(shù)據(jù)進(jìn)行分類(lèi)，得到5類(lèi)肥皂的類(lèi)別，再通過(guò)調(diào)整樸素貝葉斯、SVM、KNN的算法，通過(guò)調(diào)整參數(shù)，分別找到各個(gè)算法下對(duì)于肥皂類(lèi)別的分類(lèi)準(zhǔn)確度的最優(yōu)的方法，再通過(guò)不同算法間的最優(yōu)模型準(zhǔn)確度的比較，得到了K=1時(shí)，KNN的模型對(duì)于肥皂的識(shí)別效果最好，識(shí)別率達(dá)到96.4%。