渣驯通常分为4个等级, 藏医传统用药经验认为色黑、 质重、 粪便少的渣驯质量更优。 不同等级渣驯外观性状差异较小, 成膏后更不易区分。 傅里叶红外光谱技术（FTIR）具有快速无损的优点, 已广泛用于药材鉴别领域。 以4个等级渣驯为研究对象, 探究傅里叶红外光谱技术鉴别不同等级渣驯的可行性。 收集渣驯药材及代用品共56批, 按粪便比例和外观形态将药材分为4个等级, 采用《六省区藏药标准》中炮制方法将各批次药材加工成干膏。 采集不同样品4 000～400 cm-1范围的红外光谱信息, 以不同化学计量学方法建立模型。 预处理方式采用Saitzky-Golay（S-G）平滑、 纵坐标归一化、 二阶导数转化, 渣驯红外光谱主要吸收区域为3 500～3 200, 3 000～2 800, 1 800～1 350, 1 350～900和900～400 cm-1, 代用品吸收峰的波数差异较大。 1 779 cm-1附近仅有Ⅰ等级渣驯和Ⅱ等级渣驯的吸收峰, 1 768 cm-1附近Ⅰ等级渣驯和Ⅱ等级渣驯峰强度明显强于Ⅲ等级渣驯和渣驯代用品, 1 660 cm-1附近仅代用品渣驯无吸收峰, 1 257 cm-1仅代用品具有吸收峰, 均可作为不同等级渣驯的鉴别依据; ③号区域内及⑦号区域吸收峰差异均与传统分级相关, 品质越好的峰强度越大, 可作为多批次渣驯验证区域。 根据SIMCA软件统计结果, 主成分分析（PCA）较难区分不同等级渣驯; 偏最小二乘法（PLS-DA）能更好地区分4个等级药材, 外部验证结果表明该模型能很好地区分不同等级渣驯; 通过SPSS21.0软件统计, 系统聚类（HCA）可以区分部分Ⅲ等级渣驯及代用品渣驯。 傅里叶变换红外光谱结合化学计量学能快速鉴别渣驯优劣, 区分代用品, 为渣驯质量评价提供一种快速有效的方法。

在公安司法实践中，印章印泥长期在鉴别文件真伪中发挥重要作用。为判定文件真伪提供证据，利用SERDS Portable-Base便携式差分拉曼光谱仪，在激发光源785 nm，激光功率380 mW，扫描时间10 s，扫描范围250～2 800 cm-1的试验条件下，对36个印泥样本进行了快速无损检测。通过分析谱图可以将样品按照特征峰位置和数目进行区分，对于同组样品还可以通过特征峰的相对峰高比进行区分。利用主成分分析法对所得的差分数据进行降维，将所得到的降维后的成分矩阵进行系统聚类，所有样本被科学地分为7类，DP值为85.23%。同时利用判别分析建立了基于聚类分析的分类模型，经交叉验证后分类正确率达94.4%。该方法快速无损，灵敏度高，抗荧光干扰性强，结合所建立模型可以科学地检验印泥样品，为公安一线文件检验等实际工作提供帮助。

为了实现对案件现场常见食品包装纸的快速分类及认定，提出一种基于X射线荧光光谱（XRF）结合深度学习算法的食品包装纸可视化检验方法。首先，采用XRF检验44个不同来源的食品包装纸样本中的无机元素，并根据主要构成元素的含量，对其进行人工分类和系统聚类分析。其次，分别使用主成分分析和t分布随机邻域嵌入两种降维算法处理数据以检验聚类效果，并实现数据分类可视化。最后，随机选取80%的样本作为训练集构建人工神经网络，并进行相关实验。实验结果表明，所提方法在测试集上的分类正确率为88.9%，可以为未来公安业务实际应用提供参考。

采用X射线荧光光谱法对32个塑料打包带(绳)样本进行检验,在80 s的采集时间下,所得元素种类含量最为稳定。结合多元统计方法构建函数模型,将离差平方和法作为聚类方法,进行系统聚类时将平方欧氏距离作为测量区间以描述样本间的亲疏程度,将32个塑料打包带(绳)样本分为4类。通过样本之间的相关性和判别分析检验系统聚类的正确性和可靠性,挖掘出样本元素含量之间的内在联系。通过系统聚类的方法将32个塑料打包带(绳)样本进行分类,促进了模式识别技术在理化检验中的应用。

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法, 实现了39个样品的种类快速识别, 即能自动将样品识别为0#车用柴油、 0#普通柴油、 97#车用汽油、 93#车用汽油、 90#车用汽油和3#喷气燃料等6种类型。 过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样, 然后对其进行拉曼光谱数据采集。 试验结果证明: 石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响, 且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰, 以及车用汽油和普通柴油的强荧光背景干扰。 改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法; 并将经典的系统聚类分析视为标准校正样品集的“建模”过程, 通过计算未知样品与各类属中心向量之间的普鲁克距离, 依据距离最小原则判断未知样品的类属。 通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别, 分析结果证明: 石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。Modified Hierarchical Clustering

研究的目的是通过全基因组DNA的傅里叶变换红外光谱(FTIR)对41种茶花品种进行聚类分析和品种鉴定。 研究发现, 41个茶花品种基因组DNA的FTIR光谱不同, 方差分析显示, 各茶花品种FTIR数据之间的差异显著, 因而, 红外光谱可以作指纹光谱鉴定茶花。 通过系统聚类结合主成分分析, 建立了41种茶花品种的标准聚类和识别模型。 41种茶花品种基因组DNA样本的平均光谱的聚类正确率为92.68%, 品种鉴定准确率为100%。 聚类结果表明, 在1.0聚类距离, 41个山茶品种可分为9个类别, 在15.0聚类距离下可分为3个大类。 亲缘关系分析表明, 滇山茶中的楚雄居群来自楚雄、 腾冲和大理。 结果表明: 基因组DNA的FTIR光谱数据的系统聚类结合主成分分析可用于茶花快速分类和鉴定。

应用拉曼光谱法并结合聚类分析对44种不同型号的汽车前保险杠进行了深入的检验研究。采用显微激光拉曼光谱分析技术分别对样品进行检测,得到532 nm激光光源的拉曼光谱可构建具有高鉴别能力的聚类分析模型,采集光谱数据将其定量化,选择平均组间距离定义类间距离,采用平方欧氏距离作为度量区间表征样品之间的亲疏程度,进行系统聚类分析,通过验证衡量聚类效果,成功将44种汽车前保险杠样本分为了19类,分类正确率达94.8%,分类结果理想,实现了基于全波段光谱信息结合系统聚类分析建立的模型用于准确鉴定汽车前保险杠种类的目的,为现场物证的检验提供了一定的理论依据。

采用傅里叶变换红外光谱法（Fourier transform infrared spectroscopy, FTIR）、 偏最小二乘判别分析（partial least square discriminant analysis, PLS-DA）和系统聚类分析（hierarchical cluster analysis, HCA）快速鉴别不同产地川东獐牙菜（Swertia davidi Franch）。 采集4个不同地区70株样品不同部位的红外光谱数据, 原始光谱数据经预处理（自动基线校正, 自动平滑, 一阶求导, 二阶求导）后导入OMNIC 8.2, 比较吸收峰的差异; 用SIMCA-Pa+10.0进行偏最小二乘判别分析（PLS-DA）, 以前三个主成分三维得分图比较产地鉴别效果; 红外光谱数据导入SPSS 19.0, 进行系统聚类分析（HCA）, 通过树状图比较不同部位分类效果。 结果显示, （1）不同产地根的光谱图在1 739, 1 647, 1 614, 1 503, 1 271, 1 243, 1 072 cm-1附近的吸收峰有差异, 不同产地茎的光谱图在1 503, 1 270, 1 246 cm-1吸收峰附近有差异; （2）相同产地不同部位的光谱特征峰有差异; （3）PLS-DA分析结果显示自动基线校正+自动平滑+二阶求导这种预处理方式分类效果最好, 根的红外光谱数据产地鉴别效果最佳; （4）HCA的树状图, 显示根的聚类分析结果正确率83%, 茎的聚类分析结果正确率49%, 叶的聚类分析结果正确率70%。 FTIR技术结合PLS-DA与HCA方法能够快速准确地鉴别不同产地川东獐牙菜, 不同部位产地鉴别效果有差异, 根的光谱数据产地鉴别效果最佳, 二阶求导处理增强了样品的特异性, 使PLS-DA的三维主成分得分图分类效果更明显。

以蔷薇科三个亚科九种植物的叶为材料， 利用傅里叶变换红外光谱法对九种植物进行亲缘关系分析和品种鉴定。 叶中主要含有大量的碳水化合物、 蛋白质、 脂类、 核酸等物质。 糖类物质的峰主要在1　440～775 cm-1之间， 1　440～1　337 cm-1为纤维素、 木质素的振动峰， 1　000～775 cm-1为核糖的伸缩振动。 蛋白质的峰主要在1　620～1　235 cm-1之间， 1　620　cm-1为蛋白质酰胺Ⅰ带的CO伸缩振动， 1　523 cm-1为蛋白质酰胺Ⅱ带N—H和C—N吸收峰。 脂类物质的峰主要出现在2　930～1　380 cm-1之间， 2　922　cm-1为脂肪CH2的伸缩振动， 1 732 cm-1是脂肪酸CO的伸缩振动。 核酸的标志峰出现在1 250～1 000 cm-1， 1　068 cm-1是磷酸基团的对称伸缩振动， 1　246 cm-1是磷酸基团的不对称伸缩振动。 研究结果表明： FTIR光谱数据经平滑、 标准化处理、 二阶求导、 主成分分析和系统聚类建立的聚类分析模型与传统分类结果相一致。 杏、 樱桃聚为一类（李亚科）， 翻白叶、 月季、 草莓聚为第二类（蔷薇亚科）， 火棘、　苹果、 枇杷、 海棠聚为第三类（苹果亚科）， 亚科聚类正确率为100%， 但属聚类的正确率仅为55.56%。 利用该聚类模型进行物种鉴定正确率为100%。 该项研究为植物的亲缘关系分析提供了新的思路与方法。