本文主要研究内容
作者李志豪,沈俊,边瑞华,郑健（2019）在《机器学习算法用于公安一线拉曼实际样本采样学习及其准确度比较》一文中研究指出：拉曼光谱设备在公安一线中正逐渐得到普及,主要用于检测易燃易爆及易制毒化学品。但在实际应用中,一线人员不会对拉曼设备进行非常准确的使用和操作,不具备专业知识条件的工作人员无法完全按照最佳条件进行检测,经常会发生离焦、偏移、采样时间过短等一系列问题,而检测结果也不可能完全符合标准测试库的算法,给最终结果比对造成非常大的影响。利用五种主流机器学习算法对实际检查、办案过程中采集到的原始数据进行学习分类,通过比较相应的准确度将最佳算法用于改善一线执法、检查过程中拉曼光谱设备的准确性。采集的数据均来自于公安部第三研究所自行研制的EVA3000型拉曼光谱仪,该光谱仪目前已在全国各省、市、地、县进行了一定的配备,一线检测人员会定期将采集的原始数据回传到EVA3000的后台管理系统。通过该管理系统,在线收集实际检查过程中产生的原始数据,以两类易制毒化学品和易燃易爆化学品为例,随机抽取已定性判定的苯乙酸、二氯甲烷、麻黄碱和硝基苯各40例共计160例,并分别利用决策树、随机森林、 AdaBoost、支持向量机和人工神经网络算法各进行40, 60, 100, 150, 200, 300和500次的交叉训练、预测、求取平均准确度。从实验结果可以看出,在五种学习算法中,对于实际样本的预测准确度排序大致为随机森林≈AdaBoost>决策树>SVM>人工神经网络。实际测试的结果与实验过程中的平均预测准确度大体一致。其中随机森林与AdaBoost的准确度相近,其原因在于两者的算法本质都是不断构建新的训练数据集并提高对于错误样本在下次学习中的权重,而SVM和人工神经网络算法的本质都是基于感知器的算法。可见目前几种主流学习算法中,采用自举汇聚(bootstrap aggregating)方式的算法更适应于对实际样本的采样学习,其准确度也较高。在下一步的工作当中,将继续优化现有的算法,将其实现在后台管理系统上,并测试算法对于目前检测中无法定性物质的在线检测功能。该结果对于进一步将机器学习算法用于实际应用、在线分析,改善一线操作人员非正确使用设备对比对结果造成影响,具有重要意义。
Abstract
la man guang pu she bei zai gong an yi xian zhong zheng zhu jian de dao pu ji ,zhu yao yong yu jian ce yi ran yi bao ji yi zhi du hua xue pin 。dan zai shi ji ying yong zhong ,yi xian ren yuan bu hui dui la man she bei jin hang fei chang zhun que de shi yong he cao zuo ,bu ju bei zhuan ye zhi shi tiao jian de gong zuo ren yuan mo fa wan quan an zhao zui jia tiao jian jin hang jian ce ,jing chang hui fa sheng li jiao 、pian yi 、cai yang shi jian guo duan deng yi ji lie wen ti ,er jian ce jie guo ye bu ke neng wan quan fu ge biao zhun ce shi ku de suan fa ,gei zui zhong jie guo bi dui zao cheng fei chang da de ying xiang 。li yong wu chong zhu liu ji qi xue xi suan fa dui shi ji jian cha 、ban an guo cheng zhong cai ji dao de yuan shi shu ju jin hang xue xi fen lei ,tong guo bi jiao xiang ying de zhun que du jiang zui jia suan fa yong yu gai shan yi xian zhi fa 、jian cha guo cheng zhong la man guang pu she bei de zhun que xing 。cai ji de shu ju jun lai zi yu gong an bu di san yan jiu suo zi hang yan zhi de EVA3000xing la man guang pu yi ,gai guang pu yi mu qian yi zai quan guo ge sheng 、shi 、de 、xian jin hang le yi ding de pei bei ,yi xian jian ce ren yuan hui ding ji jiang cai ji de yuan shi shu ju hui chuan dao EVA3000de hou tai guan li ji tong 。tong guo gai guan li ji tong ,zai xian shou ji shi ji jian cha guo cheng zhong chan sheng de yuan shi shu ju ,yi liang lei yi zhi du hua xue pin he yi ran yi bao hua xue pin wei li ,sui ji chou qu yi ding xing pan ding de ben yi suan 、er lv jia wan 、ma huang jian he xiao ji ben ge 40li gong ji 160li ,bing fen bie li yong jue ce shu 、sui ji sen lin 、 AdaBoost、zhi chi xiang liang ji he ren gong shen jing wang lao suan fa ge jin hang 40, 60, 100, 150, 200, 300he 500ci de jiao cha xun lian 、yu ce 、qiu qu ping jun zhun que du 。cong shi yan jie guo ke yi kan chu ,zai wu chong xue xi suan fa zhong ,dui yu shi ji yang ben de yu ce zhun que du pai xu da zhi wei sui ji sen lin ≈AdaBoost>jue ce shu >SVM>ren gong shen jing wang lao 。shi ji ce shi de jie guo yu shi yan guo cheng zhong de ping jun yu ce zhun que du da ti yi zhi 。ji zhong sui ji sen lin yu AdaBoostde zhun que du xiang jin ,ji yuan yin zai yu liang zhe de suan fa ben zhi dou shi bu duan gou jian xin de xun lian shu ju ji bing di gao dui yu cuo wu yang ben zai xia ci xue xi zhong de quan chong ,er SVMhe ren gong shen jing wang lao suan fa de ben zhi dou shi ji yu gan zhi qi de suan fa 。ke jian mu qian ji chong zhu liu xue xi suan fa zhong ,cai yong zi ju hui ju (bootstrap aggregating)fang shi de suan fa geng kuo ying yu dui shi ji yang ben de cai yang xue xi ,ji zhun que du ye jiao gao 。zai xia yi bu de gong zuo dang zhong ,jiang ji xu you hua xian you de suan fa ,jiang ji shi xian zai hou tai guan li ji tong shang ,bing ce shi suan fa dui yu mu qian jian ce zhong mo fa ding xing wu zhi de zai xian jian ce gong neng 。gai jie guo dui yu jin yi bu jiang ji qi xue xi suan fa yong yu shi ji ying yong 、zai xian fen xi ,gai shan yi xian cao zuo ren yuan fei zheng que shi yong she bei dui bi dui jie guo zao cheng ying xiang ,ju you chong yao yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的李志豪,沈俊,边瑞华,郑健，发表于刊物光谱学与光谱分析2019年07期论文，是一篇关于拉曼光谱论文,易燃易爆及易制毒化学品论文,决策树论文,随机森林论文,神经网络论文,支持向量机论文,公安一线论文,光谱学与光谱分析2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：拉曼光谱论文; 易燃易爆及易制毒化学品论文; 决策树论文; 随机森林论文; 神经网络论文; 支持向量机论文; 公安一线论文; 光谱学与光谱分析2019年07期论文;