趙玉霞，張顯強(qiáng)

(貴州警察學(xué)院，貴陽(yáng) 550005)

法庭科學(xué)研究的主要目的是為所有參與調(diào)查和刑事訴訟的人提供必要的科學(xué)證據(jù)，以重建犯罪，并作出公正的判決。為了實(shí)現(xiàn)這些目標(biāo)，使用了各種分析方法，即光譜學(xué)、色譜法、X 射線及顯微鏡等。隨著現(xiàn)代分析方法及相關(guān)檢測(cè)儀器的快速發(fā)展，產(chǎn)生了越來(lái)越多復(fù)雜和多維的數(shù)據(jù)[1-2]。有些分析方法甚至可以為單個(gè)樣本生成大量數(shù)據(jù)集。對(duì)于大量的樣本，輸出的數(shù)據(jù)量將大大增加，這使得法庭科學(xué)工作人員的任務(wù)繁瑣、耗時(shí)，而且手動(dòng)檢查可能會(huì)出現(xiàn)假陽(yáng)性結(jié)果。由于在處理大量數(shù)據(jù)方面具有自身的優(yōu)勢(shì)，化學(xué)計(jì)量學(xué)在法庭科學(xué)中發(fā)揮著越來(lái)越重要的作用，其應(yīng)用范圍也不斷擴(kuò)大。

化學(xué)計(jì)量學(xué)興起于20 世紀(jì)70 年代，用統(tǒng)計(jì)的方法分析和模擬化學(xué)信息[3]。近年來(lái)，化學(xué)計(jì)量學(xué)在法庭科學(xué)領(lǐng)域中的應(yīng)用越來(lái)越廣。毒品(安非他明、甲基苯丙胺、MDMA、可卡因和海洛因)的檢驗(yàn)是化學(xué)計(jì)量學(xué)在法庭科學(xué)領(lǐng)域的首次應(yīng)用[4]?；瘜W(xué)計(jì)量學(xué)可對(duì)物證分析的大量數(shù)據(jù)集進(jìn)行不同處理，如通過(guò)選擇數(shù)據(jù)、數(shù)據(jù)預(yù)處理和計(jì)算樣本之間的相似度來(lái)區(qū)分樣本。在多數(shù)情況下，還能為識(shí)別目標(biāo)化合物提供統(tǒng)計(jì)基礎(chǔ)和置信水平，從而幫助鑒定專家判斷物證分析結(jié)果的可靠性。目前，市面上有許多統(tǒng)計(jì)和分析軟件，如SPSS、R 語(yǔ)言、MATLAB 等。

1 多元數(shù)據(jù)分析

模式識(shí)別可以識(shí)別數(shù)據(jù)集中的一致性，并能將未知樣本分類為不同的類別。化學(xué)分析得到的光譜、色譜圖因樣品種類不同而不同，利用化學(xué)計(jì)量學(xué)方法提取不同的信息，對(duì)特定類別的樣品進(jìn)行個(gè)性化和分類，稱其為“化學(xué)模式識(shí)別”。模式識(shí)別分為監(jiān)督模式識(shí)別和非監(jiān)督模式識(shí)別。

1.1 監(jiān)督模式識(shí)別

監(jiān)督模式識(shí)別(SPR)方法目前已廣泛應(yīng)用于各種數(shù)據(jù)分析，如個(gè)性化、分類、鑒別、樣品指紋、雜質(zhì)檢測(cè)等。在這些方法中，模型是在已知類的樣本基礎(chǔ)上構(gòu)造的，且能進(jìn)一步用于預(yù)測(cè)未知樣本的類別[5]。監(jiān)督模式識(shí)別的方法主要有兩種：一是基于類之間的區(qū)分，即偏最小二乘判別分析(PLS-DA)、線性判別分析(LDA)、k-最近鄰(kNN)和人工神經(jīng)網(wǎng)絡(luò)(ANN)；二是基于對(duì)單個(gè)類的建模，即軟獨(dú)立建模類模擬(SIMCA)[6]。

1.2 無(wú)監(jiān)督模式識(shí)別

無(wú)監(jiān)督模式識(shí)別(UPR)由于在構(gòu)建模型或進(jìn)行解釋時(shí)不需要事先信息，因此在法化學(xué)中可用來(lái)分析未知來(lái)源物證。通常，使用無(wú)監(jiān)督技術(shù)的目的是探索可能的聚類，并對(duì)樣本進(jìn)行初步分類。主成分分析(PCA)是應(yīng)用最廣泛的無(wú)監(jiān)督技術(shù)，尤其是基于數(shù)據(jù)方差在縮減空間中提取數(shù)據(jù)集的相關(guān)信息方面。需要強(qiáng)調(diào)的是，主成分分析是一種探索性技術(shù)，而不是一種分類技術(shù)。但它可以幫助分類技術(shù)建立具有給定置信水平的未知樣本的類別[7]。除主成分分析外，聚類分析如k-均值和層次聚類分析(HCA)也被用作無(wú)監(jiān)督模式識(shí)別方法以達(dá)到分類的目的。

2 化學(xué)計(jì)量學(xué)在物證分析中的應(yīng)用

總結(jié)了目前在法庭科學(xué)領(lǐng)域應(yīng)用的儀器分析結(jié)合化學(xué)計(jì)量學(xué)方法的最新發(fā)展和趨勢(shì)。主要從毒物毒品、微量物證、生物物證、文件檢驗(yàn)及痕跡物證五種類型分析。

2.1 毒物毒品分析

衰減全反射-傅里葉變換紅外光譜(ATRFTIR)[8]、拉曼光譜(RAMS)[9]等因其對(duì)樣品具有非破壞性而在毒物毒品分析中受到青睞。氣相色譜-質(zhì)譜法(GC-MS)、超高效液相色譜-質(zhì)譜聯(lián)用法(UHPLC-MS)和電感耦合等離子體質(zhì)譜法(ICP-MS)[10]也有一些應(yīng)用，分析輸出的數(shù)據(jù)采用化學(xué)計(jì)量學(xué)方法進(jìn)行統(tǒng)計(jì)分析，從而得到有效、可靠的結(jié)果。

HE Xinlong 等[8]利用ATR-IR 和多元分析對(duì)鹽酸海洛因和五種常見(jiàn)添加劑(咖啡因、非那西丁、淀粉、葡萄糖和蔗糖)進(jìn)行分類。采用基線校正、多變量散射校正、標(biāo)準(zhǔn)正態(tài)變量和Savitzky-Golay 算法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理。采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)、多層感知器神經(jīng)網(wǎng)絡(luò)(MLPNN)和線性擬合分析(LFA)等有監(jiān)督模式識(shí)別方法作為分類器的構(gòu)建算法。結(jié)果表明，區(qū)分鹽酸海洛因與咖啡因、鹽酸海洛因與非那西丁、鹽酸海洛因與蔗糖、鹽酸海洛因與淀粉、鹽酸海洛因與葡萄糖的混合物，準(zhǔn)確率分別為100%、100%、88.89%、77.78%和66.67%。當(dāng)添加劑為非那西丁時(shí)，線性模型是最優(yōu)的；當(dāng)添加劑為葡萄糖時(shí)，二次函數(shù)更優(yōu)越，二次多項(xiàng)式函數(shù)的擬合能力優(yōu)于線性模型。

BEEN 等[9]利用近紅外光譜(NIR)和RAMS分析27 種假冒藥和6 個(gè)不同批次正品藥獲取的光譜數(shù)據(jù)，采用UPR(即PCA、HCA)來(lái)識(shí)別數(shù)據(jù)集中的類別。通過(guò)與NIR 和RAMS 所建立的分類進(jìn)行比較，可以評(píng)估化學(xué)計(jì)量學(xué)方法的鑒別能力。利用SPR(即KNN、PLS-DA、PNN 和CANN)對(duì)獲得的NIR 和RAMS 數(shù)據(jù)分析，并與無(wú)監(jiān)督分類器的結(jié)果比較?；诮t外和拉曼光譜識(shí)別的類別，常規(guī)應(yīng)用的保留策略使用基于距離測(cè)量和接收器工作特征曲線(ROC)的分類算法。該模型能夠?qū)⑿聵悠返墓庾V與之前分析過(guò)的產(chǎn)品光譜進(jìn)行比較，并確定新樣品是否屬于現(xiàn)有類別之一，然后與數(shù)據(jù)庫(kù)中的其它仿冒品建立聯(lián)系，從而將27 種可疑藥品中成功的區(qū)分出6 個(gè)批次正品。

卓俊納等[10]為實(shí)現(xiàn)不同品牌醬香型白酒的快速分類和鑒別，以4 種不同品牌的醬香型白酒為研究對(duì)象，采用ICP-MS 測(cè)定了52 個(gè)白酒樣品中的16 種元素含量。結(jié)果表明，不同品牌的醬香型白酒間16 種無(wú)機(jī)元素的含量呈顯著正相關(guān)；CA、PCA 和PLS-DA 能將4 種品牌的酒樣進(jìn)行有效區(qū)分，其中偏最小二乘判別分析的區(qū)分度最好。利用PLS-DA 分析結(jié)合重要性因子(VIP 值)建立驗(yàn)證模型，發(fā)現(xiàn)Na、Ca、Al、K 等是造成不同品牌醬香型白酒差異性的主要無(wú)機(jī)元素，所建立的模型能將驗(yàn)證酒樣與實(shí)驗(yàn)酒樣很好的按照品牌歸類。

對(duì)以上部分文獻(xiàn)涉及的儀器分析技術(shù)、化學(xué)計(jì)量學(xué)方法、樣品等相關(guān)研究總結(jié)于表1。

表1 毒物毒品分析化學(xué)計(jì)量學(xué)方法

以上研究與化學(xué)計(jì)量學(xué)結(jié)合的基本思路：(1)化學(xué)計(jì)量學(xué)方法在多指標(biāo)實(shí)際問(wèn)題的研究中發(fā)揮著重要作用，它可以優(yōu)化相關(guān)實(shí)驗(yàn)的測(cè)量過(guò)程，有效地提取實(shí)驗(yàn)數(shù)據(jù)，建立合理的數(shù)學(xué)模型，獲得有價(jià)值的信息；(2)不同算法比較表明，它們都可以應(yīng)用于相似類型數(shù)據(jù)集的建模；(3)以上化學(xué)計(jì)量學(xué)方法應(yīng)遵循法庭科學(xué)實(shí)驗(yàn)室的常規(guī)工作流程；(4)在多變量分析前必須進(jìn)行數(shù)據(jù)的預(yù)處理，否則結(jié)果會(huì)出現(xiàn)假陽(yáng)性。

2.2 微量物證分析

微量物證案件涉及油漆、纖維、射擊殘留物、藥品包裝鋁塑片、口紅及土壤等，借助儀器分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法用于檢測(cè)痕量和未知樣品，為鑒定人員正確的判斷證物提供可靠的依據(jù)。

RISOLUTI 等[11]使用便攜式NIR 儀與PCA 和PLS-DA 模型檢測(cè)人手上的爆炸殘留物。通過(guò)三個(gè)實(shí)驗(yàn)驗(yàn)證該方法在實(shí)際案例中的應(yīng)用。在來(lái)自25個(gè)志愿者的樣本中，10 個(gè)被納入訓(xùn)練集，5 個(gè)用于模型驗(yàn)證，另外10 個(gè)用于預(yù)測(cè)。采用5 種標(biāo)準(zhǔn)材料(TNT、PETN、RDX 以及復(fù)合材料DEMEX 和M75)建立PLS-DA 模型，評(píng)價(jià)基質(zhì)效應(yīng)對(duì)爆炸物識(shí)別的影響。PLS-DA 驗(yàn)證結(jié)果為M75 提供了80%的分類率，DEMEX 為91.7%，TNT 為96.7%，PETN 和RDX 為100%。預(yù)測(cè)結(jié)果顯示所有材料的分類正確率為100%。此外，使用該方法檢測(cè)殘留物的能力隨著處理時(shí)間的增加而降低，與參考方法GC-MS 的分析結(jié)果一致。因此，在研究的爆炸物中，DEMEX和M75 在洗手后的持久性最強(qiáng)，而TNT 在日?；顒?dòng)后的抵抗力最差。

MARICET 等[12-15]使用振動(dòng)光譜(VS)與PCA和LDA 來(lái)區(qū)分澳大利亞和國(guó)際車輛的清漆和底漆，最終將19 種不同類別的車漆區(qū)分開(kāi)，分析結(jié)果與汽車制造商、車型以及不同的出廠日期或制造廠家有關(guān)。進(jìn)一步的研究表明，如果涂層長(zhǎng)期在環(huán)境中暴露，僅分析清漆涂層，可能會(huì)導(dǎo)致分類錯(cuò)誤，盡管這些樣品可能被認(rèn)定為非典型樣品[16-17]。這一結(jié)果對(duì)于從已知車輛中提取汽車油漆的采樣，以及未知油漆與已知比較都有意義。

韓宏福等[18]采用RAMS 結(jié)合化學(xué)計(jì)量學(xué)對(duì)收集的51 個(gè)藥品鋁塑片樣本進(jìn)行分析。對(duì)同一組藥品鋁塑片樣本可借助PCA 對(duì)光譜數(shù)據(jù)進(jìn)行降維，將數(shù)據(jù)直接導(dǎo)入SPSS 軟件中，共提取了9 個(gè)有效光譜成分，累積占原始光譜數(shù)據(jù)99.54%的有效信息，之后采用組間聯(lián)接法可將第Ⅳ類樣本分為22 組，依據(jù)特征峰的相對(duì)峰高比進(jìn)行區(qū)分，可將51 個(gè)樣本分為4 大類，通過(guò)相關(guān)性比較表明分類結(jié)果較好。

MARTA 等[19]采用ATR-IR 區(qū)分化學(xué)成分相似或相同顏色的口紅。在優(yōu)化的實(shí)驗(yàn)條件下，對(duì)20家不同廠家生產(chǎn)的38 種紅色唇膏進(jìn)行了測(cè)試。為便于鑒別和提供更合理的分析數(shù)據(jù)，使用了PCA、CA 兩種技術(shù)，最終將化學(xué)成分相近的口紅樣本區(qū)分為9 組。此外，還對(duì)6 種不同干涉表面的口紅涂片進(jìn)行了分析，采用光譜減法識(shí)別單個(gè)樣本。該方法建立的ATR 譜庫(kù)成功地確定了樣品的索引號(hào)和制造商，對(duì)顏色相近的紅色唇膏的鑒別和鑒定具有很大的潛力。

CHAUHAN 等[20]探討了熱重分析結(jié)合化學(xué)計(jì)量學(xué)對(duì)土壤樣品的鑒定。通過(guò)熱技術(shù)實(shí)現(xiàn)了三個(gè)里程碑：(1)用化學(xué)解釋識(shí)別熱圖中的模式、說(shuō)明有機(jī)質(zhì)穩(wěn)定性與其熱穩(wěn)定性關(guān)系的指標(biāo)的發(fā)展、以及多元統(tǒng)計(jì)分析在土壤地理區(qū)域預(yù)測(cè)中的應(yīng)用；(2)用ATR-FTIR 觀察了土壤樣品的熱降解過(guò)程，對(duì)獲得的數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)正態(tài)變量歸一化，它使不同數(shù)量的土壤樣品所引起的變化最小化；(3)采用HCA 和PCA 等多元算法對(duì)土壤樣品進(jìn)行判別。建立LDA模型實(shí)現(xiàn)了對(duì)未知土壤樣品的地理分類。

對(duì)以上文獻(xiàn)涉及的儀器分析技術(shù)、化學(xué)計(jì)量學(xué)方法、樣品等相關(guān)研究?jī)?nèi)容總結(jié)于表2。

表2 微量物證分析化學(xué)計(jì)量學(xué)方法

PCA 是目前應(yīng)用最廣泛的一種無(wú)監(jiān)督技術(shù)，已成為解決法庭科學(xué)研究中分析龐大的調(diào)查任務(wù)中不可或缺的分析工具，它能將一個(gè)高階數(shù)據(jù)矩陣變成幾個(gè)主成分的正交合成變量，其目的是反映現(xiàn)有數(shù)據(jù)中盡可能多的差異性[21]。另外，PCA 能夠在不需要數(shù)據(jù)先驗(yàn)信息的情況下闡明數(shù)據(jù)的潛在結(jié)構(gòu)[22]，因此有利于數(shù)據(jù)探索。同時(shí)，PCA 的新變體也不斷被提出[23-25]，以滿足特定領(lǐng)域特有數(shù)據(jù)的需要。

關(guān)于PCA 技術(shù)方面的文獻(xiàn)非常多[25-30]，但應(yīng)用策略仍然非常有限[31-35]，使用時(shí)要注意以下幾個(gè)方面[36]：(1)在進(jìn)行數(shù)據(jù)分析時(shí)，應(yīng)遵循所有的先決條件；(2)對(duì)獲得的數(shù)據(jù)進(jìn)行交叉驗(yàn)證分析；(3)在其它化學(xué)計(jì)量學(xué)方式使用之前先用PCA 來(lái)評(píng)估數(shù)據(jù)集之間的線性關(guān)系；(4)PCA 變體可滿足特定領(lǐng)域特有數(shù)據(jù)的需求。

2.3 生物物證分析

法庭科學(xué)生物物證包括毛發(fā)、體液、骨骼、尿液等相關(guān)證據(jù)。區(qū)分血跡、毛發(fā)的來(lái)源和老化在法庭科學(xué)調(diào)查中起著重要的作用。最近的文獻(xiàn)表明，化學(xué)計(jì)量學(xué)結(jié)合儀器分析方法在血跡及毛發(fā)調(diào)查中得到了廣泛的應(yīng)用。

WAEL 等[37]的研究表明RAMS 不能區(qū)分人類和動(dòng)物的血跡，但2009 年他們?cè)诹硪黄恼轮锌朔吮趬綶38]。他們利用先進(jìn)的統(tǒng)計(jì)技術(shù)，如PCA 來(lái)區(qū)分三個(gè)物種，但在區(qū)分更多的物種上還有待提高。LEDNEV 和他的團(tuán)隊(duì)[39-41]進(jìn)一步利用RAMS 結(jié)合PLS-DA 分析，成功地將人類血液與其它11 種動(dòng)物進(jìn)行了準(zhǔn)確區(qū)分。

MISTEK 等[42]利用RAMS 結(jié)合先進(jìn)的統(tǒng)計(jì)分析，根據(jù)干燥的外周血痕跡區(qū)分白人和非裔美國(guó)人。光譜采集20 名不同性別和年齡的捐贈(zèng)者，采用支持向量機(jī)判別分析(SVM-DA)對(duì)兩個(gè)種族進(jìn)行區(qū)分。用外循環(huán)主體交叉驗(yàn)證方法(CV)評(píng)估訓(xùn)練數(shù)據(jù)集中每個(gè)個(gè)體捐贈(zèng)者的SVM 分類器的性能。通過(guò)曲線下面積(AUC)度量來(lái)評(píng)估SVM-DA 的性能，對(duì)兩個(gè)種族的正確分類概率為83%，特異性和敏感性為80%。這項(xiàng)研究初步顯示了區(qū)分不同種族人類血液的前景。DOTY 等[43-44]研究了血跡的老化時(shí)間，研究人員使用PLS 算法建立了回歸模型，推斷出光譜強(qiáng)度與血跡沉積時(shí)間(分別為一周和兩年)相關(guān)。

以上部分文獻(xiàn)涉及的儀器分析技術(shù)、化學(xué)計(jì)量學(xué)方法、樣品等相關(guān)研究?jī)?nèi)容總結(jié)于表3。

表3 生物物證分析化學(xué)計(jì)量學(xué)方法

在上述研究中使用了多個(gè)化學(xué)計(jì)量學(xué)方法進(jìn)行樣本分類，這對(duì)于分析結(jié)果來(lái)說(shuō)很有必要。PLSDA、LDA 和SVM-DA 是監(jiān)督分類中最常用的分類技術(shù)，特別是SVM-DA，通常用于體液分析。

2.4 文件檢驗(yàn)

在各類刑事、民事和經(jīng)濟(jì)等案件中，鑒定可疑文件(協(xié)議、遺囑、法律文件、印刷材料)、錢幣真?zhèn)蔚裙ぷ鬏^為常見(jiàn)。隨著科技的發(fā)展，計(jì)算機(jī)偽造文件的現(xiàn)象越來(lái)越多，也越來(lái)越容易發(fā)生，開(kāi)發(fā)確定相關(guān)文件來(lái)源、特性和年代的方法逐漸受到科技工作者的重視。

ASRI 等[45]將RAMS 結(jié) 合PCA 和PLS-DA，對(duì)387 個(gè)打印文檔樣品(激光打印文件90 個(gè)，噴墨打印文件163 個(gè)，復(fù)印機(jī)輸出文件134 個(gè))進(jìn)行了區(qū)分。初步通過(guò)RAMS 的視覺(jué)評(píng)估顯示，所有碳粉樣品中都存在C—C 鍵、芳香族鍵和二氧化鈦。通過(guò)RAMS 光譜庫(kù)對(duì)激光和噴墨打印樣品進(jìn)行比對(duì)，發(fā)現(xiàn)色素炭黑(CI-77266)用于激光和噴墨打印樣品，而色素紫色19 (CI-73900)用于復(fù)印機(jī)打印樣品。PCA 將樣本正確劃分為3 個(gè)聚類，PLS-DA 將樣本正確劃分為3 類。通過(guò)訓(xùn)練后的PLS-DA 模型，可以對(duì)15 個(gè)未知打印樣本進(jìn)行溯源。

OLIVEIRA 等[46]使 用SIMCA 和LDA-SPA，使用便攜式NIR 對(duì)100 張真實(shí)巴西紙幣和227 張假鈔進(jìn)行了分類。對(duì)鈔票上七個(gè)不同的區(qū)域，包括兩個(gè)熒光墨水區(qū)域，一個(gè)水印區(qū)域，三個(gè)凹版印刷區(qū)域和一個(gè)序列號(hào)區(qū)域進(jìn)行分析，并制作了真鈔和假鈔的模型。PCA 顯示了真假樣品之間的差異，該方法尤其適用于凹版印刷紙鈔的分析。SIMCA 和LDA-SPA 均能正確分類真?zhèn)吴n票，而LDA-SPA 更加簡(jiǎn)單，變量選擇步驟具有去除噪聲和非線性的優(yōu)點(diǎn)。這兩種分類技術(shù)在常規(guī)法庭科學(xué)應(yīng)用方面均具有很大的潛力。

SILVA 等[47]利用ATR-FTIR 分析了來(lái)自15 個(gè)不同年份(1985 年至2012 年)且自然老化的紙質(zhì)文件，按不同紙質(zhì)平均分為每年5 份，建立兩個(gè)數(shù)據(jù)集，采用廣義最小二乘加權(quán)(GLSW)和正交最小二乘(OLS)濾波器建立PLS 模型，以減少同期樣本之間的變異性。結(jié)果表明，上述方法均能有效地縮減同期文獻(xiàn)間的變異。

以上部分文獻(xiàn)涉及的儀器分析技術(shù)、化學(xué)計(jì)量學(xué)方法、樣品等相關(guān)研究?jī)?nèi)容總結(jié)于表4。

表4 文件檢驗(yàn)化學(xué)計(jì)量學(xué)方法

通過(guò)上述文獻(xiàn)了解到，初步分析文件檢驗(yàn)數(shù)據(jù)時(shí)首選PCA，識(shí)別問(wèn)題鑒定時(shí)用不同的分類技術(shù)(SIMCA、PLS-DA、SVM-DA 或ICA)，PLS 可用于老化研究。

2.5 痕跡物證分析

痕跡物證的類型包括指紋、足跡、工具、槍彈和特殊痕跡。目前，痕跡物證的鑒定還依賴于從現(xiàn)場(chǎng)提取的(被質(zhì)疑的)和已知的參考樣本進(jìn)行視覺(jué)比對(duì)。

PETRACO 等[48]利用化學(xué)計(jì)量學(xué)來(lái)評(píng)估鞋印的獨(dú)特性與偶然的印記或磨損模式有關(guān)。將一個(gè)人在30 天內(nèi)所穿的5 雙相同品牌和風(fēng)格的鞋子所留下的部分印跡，根據(jù)任何偶然標(biāo)記的數(shù)量和位置，將其轉(zhuǎn)換為特征向量。然后對(duì)116 個(gè)印模向量進(jìn)行PCA 和DA 處理，將每個(gè)印模分配給對(duì)應(yīng)的鞋子，交叉驗(yàn)證的準(zhǔn)確性達(dá)到77%至100%。

PETRACO 等[49]將同樣的方法應(yīng)用到對(duì)工具痕跡的統(tǒng)計(jì)辨別上。利用圖像處理程序?qū)? 個(gè)不同螺絲刀留下的條紋標(biāo)記轉(zhuǎn)換為二值特征向量，再結(jié)合PLS-DA 和PCA-SVM 方法，將每個(gè)螺絲刀與其對(duì)應(yīng)的印模進(jìn)行匹配。通過(guò)交叉、留置和bootstrap驗(yàn)證來(lái)評(píng)估每個(gè)模型的分類性能，兩種分類器的分類準(zhǔn)確率均在97%以上。

以上部分文獻(xiàn)涉及的儀器分析技術(shù)、化學(xué)計(jì)量學(xué)方法、樣品等相關(guān)研究?jī)?nèi)容總結(jié)于表5。

表5 痕跡物證化學(xué)計(jì)量學(xué)方法

痕跡特征可通過(guò)計(jì)算機(jī)或痕跡專家識(shí)別出來(lái)，每一個(gè)特征都由其特征向量(特征類型、方向、相對(duì)于附近特征的位置/形狀)來(lái)表示。將化學(xué)計(jì)量學(xué)應(yīng)用于痕跡物證鑒定，最具挑戰(zhàn)性的部分是自然發(fā)生的變化量(即失真)與描述非匹配源的相關(guān)人群中可能預(yù)期的變化量的正確比對(duì)。

3 結(jié)語(yǔ)

近年來(lái)隨著法庭科學(xué)的迅速發(fā)展，多種分析技術(shù)與統(tǒng)計(jì)方法的相互融合顯著提高了物證價(jià)值，同時(shí)新的化學(xué)計(jì)量學(xué)方法的引入有助于物證人員建立新的物證評(píng)價(jià)體系。

綜述了監(jiān)督模式和非監(jiān)督模式識(shí)別方法在法庭科學(xué)領(lǐng)域中的應(yīng)用，該分析技術(shù)具有快速、可靠、成本效益高、重現(xiàn)性好、多元素分析等優(yōu)點(diǎn)，是可疑文件、生物樣品、化學(xué)樣品及其它痕跡分析的前沿技術(shù)。但在應(yīng)用于實(shí)際案例之前，必須充分了解目標(biāo)數(shù)據(jù)和所用化學(xué)計(jì)量方法，滿足多元分析的所有前提條件，否則分析結(jié)果可能出現(xiàn)假陽(yáng)性。