首页|期刊导航|浙江大学学报(理学版)|基于XRF与RFECV-CatBoost的口红物证分类鉴别

基于XRF与RFECV-CatBoost的口红物证分类鉴别OA

中文摘要

口红是一种常见物证,其复杂的成分对传统物证分类鉴别方法提出了挑战。基于X射线荧光光谱(XRF)技术与机器学习算法,分析了32个口红样品中Ti、Fe、Cl、Ca、Sn、Sb、Zn、Br等8种元素的质量分数,利用随机森林(random forest,RF)算法筛选出关键判别元素Ti与Cl,采用交叉验证递归特征消除(RFECV)方法优化类别提升(CatBoost)分类器,构建了特征选择框架RFECV-CatBoost。实验结果表明,模型的分类准确率约90%,与人工分类结果相近。该方法为口红物证的快速分类鉴别提供了可靠的技术支持,具有较高的应用价值。

姜红;马星煜;张馨艺;马凯;宁势强

湖南警察学院刑事科学技术系,湖南长沙410138 中国人民公安大学,北京100038 北京汇正卓越科技有限公司司法鉴定中心,北京102446中国人民公安大学,北京100038北京化工大学化学学院,北京100029河南省内乡县公安局,河南南阳474350中国政法大学刑事司法学院,北京100088 北京信诺司法鉴定所,北京100083

化学化工

X射线荧光光谱递归特征消除CatBoost口红法庭科学

《浙江大学学报(理学版)》 2026 (5)

P.596-601,6

国家社会科学基金重点项目(23AFX005)中央高校基本科研业务费专项资金(25KYHQ002)中国政法大学刑事司法学院长期系列化课题前端支持计划项目(QD250906XS).

10.3785/1008-9497.25098

评论