为打击不法分子利用寄递渠道运输掺杂有毒有害等非食品原料的减肥药的现象，提出一种基于太赫兹时域光谱技术的减肥药模式识别方法。与传统方法相比，太赫兹光谱的时域频谱信噪比高，具有快速、省时和无损等特点。选用7种减肥药作为实验样品，采集样品的太赫兹时域光谱，用自动寻峰器找到0~0.19 THz、1.75~2.14 THz、2.23~2.5 THz三个特征频率区间；采用希尔伯特变换、巴特沃思低通滤波器、快速傅里叶变换低通滤波器、标准正态变换后的一阶导数处理特征频率区间，并对处理结果与原始光谱进行特征数据融合；采用粒子群优化最小二乘支持向量机和随机森林模型对原始数据和四种方法融合的数据进行分类识别。实验结果表明，粒子群优化最小二乘支持向量机模型对经过希尔伯特变换的光谱特征融合数据具有最佳的识别效果，准确率可达到100%，对法庭科学中减肥药的鉴别有一定借鉴意义。

指甲等人体生物组织的鉴定在刑事案件侦查中发挥着重要作用。为了对犯罪现场提取的指甲组织进行快速无损鉴别，提出了一种基于分子光谱分析和机器学习的人指甲无损鉴别和性别刻画方法。通过采集120个同年龄段不同性别人指甲样本的红外光谱数据，建立了多种分类预测模型。借助主成分分析技术降维提取3个主成分，对样本进行交互验证，并对比了Fisher判别函数、多层感知器及反向传播（BP）神经网络模型的识别效果。实验结果表明：多层感知器模型的分类识别率可达到91.4%，优于Fisher判别分析模型；基于粒子群优化算法的BP神经网络模型分类效果最佳，识别率达到97.7%。

通过寄递渠道传播的含有非法添加成分的减肥药物是公安机关侦办食药环犯罪的重点打击对象。为快速鉴别此类药物，本研究采用分子光谱分析技术，对含艾司唑仑、西地那非、西布曲明、氟硝西泮、唑吡坦等5种精神管制类药物成分的“减肥药”进行检验，获取了145组光谱数据。采用主成分分析提取主成分因子对数据降维。基于所提取的20维数据，建立FDA模型、KNN模型、SVM模型并进行对比。在模型1中构建3个Fisher判别函数对5类样品进行判别，准确度达到100%；在模型2中K值的变化会影响分类器精度，通过对K值的调整能够快速对5类样品进行分类，准确率达到100%；在模型3中选用RBF核函数，分别对比唑吡坦与其他4类减肥药物分类效果，准确率均达到100%。通过实验中的数据集对唑吡坦不同品牌的样本进行识别和对实际案件进行分析，对公安机关侦办此类案件具有一定参考。

物证的溯源分析一直是法庭科学领域的一大难点，在刑事案件侦查中发挥着重要作用。提出了一种衰减全反射-傅里叶变换红外光谱（ATR-FTIR）结合机器学习相关方法对人体指甲样本进行检验和溯源分析的新方法。采集了来自我国7大地区18个省市共计195名志愿者十指指甲样本的ATR-FTIR图，经预处理后使用主成分分析（PCA）和因子分析（FA）两种方法进行降维处理，随后采用多层感知器（MLP）、径向基函数（RBF）、决策树（DT）以及支持向量机（SVM）模型开展分类识别。实验结果表明，PCA和FA两种降维方法在后续建模分析方面差别不大；MLP的分类效果优于RBF；基于CHAID算法的主成分分析和决策树（PCA-DT）模型训练集和测试集分类识别率分别可达91.0 %和92.0 %，优于穷举式CHAID、CRT和QUEST算法；基于多项式核函数的主成分分析和支持向量机（PCA-SVM）模型能够实现7大地区和华北5省市指甲样本的完全区分，分类效果优于RBF、Sigmoid和线性核函数。因此，采用ATR-FTIR技术结合PCA-SVM模型能够实现不同地域指甲样本的准确区分，为指甲物证的溯源分析提供了一种新的方法与思路。

为帮助侦查机关在案件侦办过程中获取更多线索，对工作中常见的塑钢窗物证进行高效、数据化无损鉴别，使用主成分分析（PCA）前处理结合Fisher判别分析-支持向量机（FDA-SVM）的最佳参数组合分析鉴别物证的方法，对提取的“金鹏”“海螺”等6个品牌的126组傅里叶变换红外光谱数据进行了理论和实验分析，实现了“品牌-批次”二维特征刻画与识别。选取全谱段、官能团区、指纹区三个不同谱段的PCA结果建立基于Fisher判别分析的数据分类模型，发现全谱段的分类准确率最高，为66.7%。为进一步提升对不同样本的区分能力，使用全谱段的特征值建立SVM模型，同时考查了惩罚因子C和径向基函数（RBF）伽马值σ对SVM分类模型分类准确率的影响，并得到了基于最佳参数组合（C=10，σ=2.5）的SVM分类模型。使用最佳分类模型对“海螺”品牌不同批次的塑钢窗样本进行区分，其分类准确率达到100%。所提方法分类结果理想，能满足塑钢窗快速分类的办案需求，可为其在法庭科学研究领域的应用提供一定的参考与借鉴。

实现药物快速无损准确定性分析是药物防控视域下的关键问题。采集了4类共计159份大麻油样本的光谱和色谱数据，利用有监督模式识别方法Fisher判别分析和K邻近分析构建不同数据集分类模型，对比了单一模型与融合模型对分析结果的影响。结果表明，在4类大麻油识别与分类过程中，基于光谱与色谱融合数据集的分类模型的分类效果优于其他数据集，借助K邻近分析的融合模型分类效果最佳，总体分类准确率达到1。该研究实现了对不同类型大麻油快速准确的定性分析，为准确认定缴获药物的来源、审理事实关联的上下游药物犯罪案件提供线索和证据。

太赫兹时域光谱技术能够利用物质在特定频率范围内的吸收得到物质的折射率、吸收系数、反射系数等光学参数，因具有指纹性、低能性、强穿透性、相干性等优点，近年来在食品、药品、环境领域中做出了重要的贡献。在介绍太赫兹时域光谱法的原理及获得光学参数方法的基础上，重点讨论了太赫兹时域光谱技术在食品、药物、环境等方面的研究现状，最后对其在实际工作中的局限性和发展的前景进行了总结和展望，以期对未来太赫兹时域光谱技术在食药环领域的应用提供指导。

甲板漆是海事刑事案件中重要的物证之一，对甲板漆进行快速无损准确的鉴定是法庭科学物证检验的重要分支。红外光谱是常用的快速无损鉴定方法，红外光谱的预处理能够消除谱图的噪声和背景干扰，提高谱图的识别率。实验收集了常见的5种不同品牌的甲板漆共计100个样本，利用支持向量机和贝叶斯判别分析对多个红外预处理组合处理后的甲板漆谱图进行识别，根据识别率来筛选甲板漆红外预处理的最优方法，同时对支持向量机和贝叶斯判别分析的识别效果进行比较。结果表明，贝叶斯判别分析的效果要优于支持向量机，贝叶斯判别分析对经Savitzky-Golay二阶求导平滑和傅里叶自去卷积处理的甲板漆谱图训练集识别率为100%，测试集识别率为96%。该方法分类效果好，定性能力强，对法庭科学中甲板漆的鉴定有一定的借鉴意义。

为了实现对安眠药种类的快速准确区分，实验采集了苯二氮卓类、吩噻嗪类和巴比妥类3种安眠镇静类药物共计92份样本的红外光谱数据，经预处理后进行分类模型的构建。实验结果表明，采用串联融合后的数据进行建模分类的准确率优于均值融合和差值融合；原始光谱与一阶导数光谱的指纹区特征变量进行融合后使用随机森林模型进行建模分析，3种安眠药的分类识别率可达100%，能够实现安眠药种类的完全区分。该方法快速准确，可以在一定程度上为司法鉴定领域中安眠药类物质的检验提供一种新的方法和思路。

生物物证具有个体特异性,易被犯罪分子忽视,且稳定附着在犯罪现场,难以彻底毁灭,具有很高的侦查利用价值。光声光谱技术以光声效应为基础,利用样品吸收光能转换成热能并产生声信号的机制进行检测,为生物检材的研究提供了一种灵敏而又对检材无损的有效方法,成为法庭科学领域常用的分析工具。本文在简要介绍光声效应及光声信号产生原理的基础上,重点讨论了光声光谱技术在鉴定分析可以作为法庭科学生物物证的气体、液体、生物组织等检材方面的研究现状,并对其应用过程中的局限性及发展前景进行了总结和展望。