論文題目：微量血跡檢測(cè)建模姓名：張雅博學(xué)院：電子信息與自動(dòng)化學(xué)院姓名：劉樹棟學(xué)院：電子信息與自動(dòng)化學(xué)院姓名：王小輝學(xué)院：電子信息與自動(dòng)化學(xué)院摘要：犯罪現(xiàn)場(chǎng)血跡形態(tài)分析是一門新興的學(xué)科，是現(xiàn)場(chǎng)重建的重要技術(shù)內(nèi)容之一，

也是認(rèn)定犯罪嫌疑人的重要手段。通過對(duì)犯罪現(xiàn)場(chǎng)或者是潛在的犯罪現(xiàn)場(chǎng)遺留的血

跡形態(tài)特征進(jìn)行分析，進(jìn)而可以推斷出血類型及位置，判斷作案的經(jīng)過以及流血之后相關(guān)受害人、嫌疑人的運(yùn)動(dòng)狀況，從而驗(yàn)證證人、有關(guān)受害人的證詞是否正確，驗(yàn)證犯罪嫌疑人的口供是否屬實(shí)。傳統(tǒng)的血跡檢測(cè)方法如觀察法只適用于血跡較為明顯的現(xiàn)場(chǎng)，而試劑法通過加

入化學(xué)試劑發(fā)生化學(xué)反響到達(dá)顯示血跡的目的，這會(huì)一定程度上破壞血跡成分，為后續(xù)的法醫(yī)學(xué)檢測(cè)帶來影響。任何物體時(shí)刻都在反射光譜，光譜蘊(yùn)含著物質(zhì)本身信息，不同物質(zhì)由于分子、原子、離子的晶格振動(dòng)不同，進(jìn)而使得不同波長(zhǎng)的光譜的吸收和反射不同。高光譜圖像是指光譜分辨率在10nm數(shù)量級(jí)范圍內(nèi)的光譜圖像。通過在不同的平臺(tái)上搭載高光譜傳感器，在紫外到中紅外區(qū)域的電磁波譜內(nèi)，其以幾十個(gè)到幾百個(gè)不等的連續(xù)光譜波長(zhǎng)區(qū)間對(duì)目標(biāo)區(qū)域進(jìn)行即時(shí)成像。在獲得目標(biāo)圖像特征信息的同時(shí)，也獲得了光譜信息。與以往的光譜圖像相比，高光譜圖像不僅極大的提高了信息量，在相關(guān)的處理技術(shù)上也為對(duì)光譜數(shù)據(jù)信息進(jìn)行更加合理的分析提供了可能性。本建模提出基于高光譜成像技術(shù)的血跡形態(tài)特征檢測(cè)方法，髙光譜圖像技術(shù)不

僅能夠分析血跡很明顯的犯罪現(xiàn)場(chǎng)，特別是對(duì)潛在血跡也能夠進(jìn)行成像，同時(shí)對(duì)得到的光譜圖像進(jìn)行血跡的物理特征分析的目的。因此基于高光譜圖像血跡分析相對(duì)于其他血跡檢測(cè)方法有著很大的優(yōu)勢(shì)。關(guān)鍵詞：高光譜圖像波長(zhǎng)能量神經(jīng)網(wǎng)絡(luò)1.問題重述血跡是案發(fā)現(xiàn)場(chǎng)最重要的物證之一。血跡被用作刑事訴訟案件的重要證據(jù)具有客觀、穩(wěn)定、廣泛、復(fù)雜等特點(diǎn)，一直是法庭上極具采信力的證物。由于案發(fā)現(xiàn)場(chǎng)常常被犯罪分子處理，如水洗、擦拭等，導(dǎo)致血跡難以發(fā)現(xiàn)和獲取，但是案發(fā)現(xiàn)場(chǎng)往往存在一些不易發(fā)現(xiàn)的微量血跡。如何利用高科技設(shè)備和儀器檢測(cè)到這些微量血跡顯得尤為重要。現(xiàn)有三種新鮮血液：兔血、雞血、人血，及四種不同材質(zhì)白紙、玻璃、木頭、布，將三種血液分別滴在四種不同的介質(zhì)上，并獲取了不同材質(zhì)下的白板背景、雞血、兔血、人血光譜數(shù)據(jù)。本文主要嘗試解決以下幾個(gè)問題：〔1〕、對(duì)光譜數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得出不同類別、不同介質(zhì)上血跡光譜的特征的差異性?！?〕、針對(duì)木頭上的血跡檢測(cè)問題，通過建模分別完成〔1〕將血跡點(diǎn)和非血跡點(diǎn)〔白板〕區(qū)分開；〔2〕將人血和其他血跡區(qū)分開；要求利用50%數(shù)據(jù)訓(xùn)練模型，50%數(shù)據(jù)測(cè)試模型，并給出準(zhǔn)確率?！?〕、將第2問中的模型應(yīng)用到其他三種介質(zhì)的血跡檢測(cè)問題中，分析各種介質(zhì)的準(zhǔn)確率的差異性，并進(jìn)行分析?！?〕、針對(duì)人血檢測(cè)問題，將所有數(shù)據(jù)合并，將人血作為一類，將其他所有數(shù)據(jù)作為另一類，建立模型將兩類區(qū)分開，要求利用50%數(shù)據(jù)訓(xùn)練模型，50%數(shù)據(jù)測(cè)試模型，并給出準(zhǔn)確率。2.模型假設(shè)問題〔2、3、4〕的模型假設(shè)：針對(duì)血跡檢測(cè)問題，將血跡點(diǎn)與非血跡點(diǎn)、人血與其他血跡區(qū)分開，可以看作是識(shí)別與分類問題，目標(biāo)是構(gòu)建一個(gè)識(shí)別分類模型。許多識(shí)別、分類方法和技術(shù)用于構(gòu)造相應(yīng)模型，例如神經(jīng)網(wǎng)絡(luò)、決策樹、決策表、最小距離等。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，能夠?qū)斎肽Ｊ竭M(jìn)行自組織訓(xùn)練和判斷，并將其最終分為不同的類型，具有依據(jù)可靠、推導(dǎo)過程嚴(yán)謹(jǐn)、精度較高、通用性較好。3.問題〔1〕處理3.1.1實(shí)驗(yàn)數(shù)據(jù)預(yù)處理：波段處理波段處理可以曾強(qiáng)波段之間的波譜差異，擴(kuò)大微小差異，還可以有效地降低圖像中乘性光照差異的影響。由于血液呈紅色，紅色波段為：620～760HZ,那么以其為中心對(duì)數(shù)據(jù)進(jìn)行處理，見表1.表1波段變化比波段/赫茲0～200201～400401～600601～800801～1000變化比/倍1.11.21.31.41.33.1.2matlab軟件仿真分別對(duì)實(shí)驗(yàn)原始數(shù)據(jù)進(jìn)行matlab仿真，以玻璃為介質(zhì)的人血跡為例，對(duì)圖1所示實(shí)驗(yàn)數(shù)據(jù)處理并仿真，得圖2。圖1玻璃介質(zhì)人血跡頻譜圖〔未處理〕圖2玻璃介質(zhì)人血跡的頻譜圖〔處理后〕3.1.3不同類別血跡光譜的特征的差異性分析分別對(duì)玻璃、布、木頭、白紙介質(zhì)上的白板、雞、人、兔數(shù)據(jù)進(jìn)行如上波段處理并仿真，如圖3。對(duì)玻璃介質(zhì)上血跡分析，見圖3〔a〕，通過對(duì)雞、人、兔的頻譜曲線比照，雞的能量峰值值明顯較大，中心波長(zhǎng)相對(duì)其他較小，特征差異較明顯，而人與兔的頻譜曲線相似性較大，特征差異不明顯。對(duì)布介質(zhì)上血跡分析，見圖3〔b〕，通過對(duì)雞、人、兔的頻譜曲線比照，人血的能量峰值明顯較大，雞血能量值較小，能量值差異較明明顯，而三者中心波長(zhǎng)差異性較小。對(duì)木頭介質(zhì)上血跡分析，見圖3〔c〕，通過對(duì)雞、人、兔的頻譜曲線比照，人血的能量峰值相對(duì)較小，而雞與兔的能量值差異不明顯，三者中心波長(zhǎng)差異性較小。對(duì)白紙介質(zhì)上血跡分析，見圖3〔d〕，通過對(duì)雞、人、兔的頻譜曲線比照，兔血的能量峰值相對(duì)較小，而人與雞的能量值差異不明顯，三者中心波長(zhǎng)差異性較小。圖3不同類別血跡光譜的特征的差異性分析3.1.4同類別血跡不同介質(zhì)光譜的特征的差異性分析分別對(duì)四種不同介質(zhì)玻璃、布、木頭、白紙上的三種血跡做比照處理并仿真，如圖4。把雞血分別在四種介質(zhì)：玻璃、布、木頭、白紙上的頻譜曲線進(jìn)行比照，如圖4〔a〕。在玻璃介質(zhì)上的中心波長(zhǎng)明顯低于其他三者介質(zhì)，其他三者中心波長(zhǎng)不明顯，而在波譜能量峰值方面，紙介質(zhì)上的能量高于其他三者，布介質(zhì)上的能量低于其他三者介質(zhì)。把人血分別在四種介質(zhì)：玻璃、布、木頭、白紙上的頻譜曲線進(jìn)行比照，如圖4〔b〕。在玻璃介質(zhì)上的中心波長(zhǎng)明顯低于其他三者介質(zhì)，在木頭介質(zhì)上的中心波長(zhǎng)較高于其他三者介質(zhì)，而在波譜能量峰值方面，紙介質(zhì)上的能量高于其他三者，玻璃和木頭介質(zhì)上的能量較低于其他介質(zhì)。把兔血分別在四種介質(zhì)：玻璃、布、木頭、白紙上的頻譜曲線進(jìn)行比照，如圖4〔c〕。在玻璃介質(zhì)上的中心波長(zhǎng)明顯低于其他三者介質(zhì)，其他三者中心波長(zhǎng)不明顯，而在波譜能量峰值方面，木頭介質(zhì)上的能量高于其他三者，其他三者介質(zhì)能量差異不明顯。把白板分別在四種介質(zhì)：玻璃、布、木頭、白紙上的頻譜曲線進(jìn)行比照，如圖4〔d〕。在玻璃介質(zhì)上的中心波長(zhǎng)明顯低于其他三者介質(zhì)，在木頭介質(zhì)上的中心波長(zhǎng)較高于其他三者介質(zhì)。圖4同類別血跡不同介質(zhì)光譜的特征的差異性分析4.問題〔2〕處理4.1針對(duì)木頭上的血跡的特征量提取針對(duì)木頭，通過我們對(duì)同一介質(zhì)不同類別的光能量譜的分析，通過對(duì)木頭上人血跡與其他血跡的最大值，方差和某處波長(zhǎng)時(shí)的能量值作為特征值，建立BP神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練。4.2神經(jīng)網(wǎng)絡(luò)模型建立設(shè)BP網(wǎng)絡(luò)的輸入層有n個(gè)節(jié)點(diǎn)，隱層有q個(gè)節(jié)點(diǎn)，輸出層有m個(gè)節(jié)點(diǎn)，輸入層與隱層之間的權(quán)值為，隱層與輸出層之間的權(quán)值為，如圖5.4所示。隱層的傳遞函數(shù)為f1(·)，輸出層的傳遞函數(shù)為f2(·)，那么隱層節(jié)點(diǎn)的輸出為〔將閾值寫入求和項(xiàng)中〕：

，k=1,2,……q〔4.2.1〕輸出層節(jié)點(diǎn)的輸出為：

，

j=1,2,……m

〔4.2.2〕至此B-P網(wǎng)絡(luò)就完成了n維空間向量對(duì)m維空間的近似映射。4.3編寫matlab執(zhí)行文件，區(qū)分血跡點(diǎn)和非血跡點(diǎn)〔白板〕，得正確率w圖5：區(qū)分血跡點(diǎn)和非血跡點(diǎn)〔白板〕程序圖通過該模型對(duì)木頭上血跡點(diǎn)和非血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表1:木頭上血跡點(diǎn)和非血跡點(diǎn)20次正確率平均正確率為：100.0%4.4編寫matlab執(zhí)行文件，區(qū)分人血和其他血跡，得正確率w圖6：區(qū)分人血和其他血跡程序圖通過該模型對(duì)木頭上人血和其他血跡進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表2:木頭上人血和其他血跡20次正確率平均正確率為：96.667%5.問題〔3〕處理5.1針對(duì)玻璃上血跡處理5.1.1針對(duì)玻璃上的血跡的特征量提取，建立神經(jīng)網(wǎng)絡(luò)模型采用第2問模型分析玻璃上上血跡，我們依舊對(duì)玻璃上人血跡與其他血跡的最大值，方差和某處波長(zhǎng)時(shí)的能量值作為特征值，建立BP神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練5.1.2編寫matlab執(zhí)行文件，區(qū)分玻璃上的血跡點(diǎn)和非血跡點(diǎn)，得正確率w圖7：玻璃區(qū)分血跡點(diǎn)和非血跡點(diǎn)程序圖通過該模型對(duì)玻璃上的血跡點(diǎn)和非血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表3:玻璃上血跡點(diǎn)和非血跡點(diǎn)20次正確率平均正確率為：99.889%5.1.3編寫matlab執(zhí)行文件，區(qū)分玻璃上人血和其他血跡，得正確率w圖8：玻璃區(qū)分人血和其他血跡程序圖通過該模型對(duì)玻璃上人血和其他血跡進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表4:玻璃上人血和其他血跡20次正確率平均正確率為：87.501%5.2針對(duì)白紙上血跡處理5.2.1針對(duì)白紙上的血跡的特征量提取，建立神經(jīng)網(wǎng)絡(luò)模型采用第2問模型分析白紙上血跡，我們依舊對(duì)白紙上人血跡與其他血跡的最大值，方差和某處波長(zhǎng)時(shí)的能量值作為特征值，建立BP神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練5.2.2編寫matlab執(zhí)行文件，區(qū)分白紙上的血跡點(diǎn)和非血跡點(diǎn)，得正確率w圖9：白紙區(qū)分血跡點(diǎn)和非血跡點(diǎn)程序圖通過該模型對(duì)白紙上的血跡點(diǎn)和非血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表5:白紙上血跡點(diǎn)和非血跡點(diǎn)20次正確率平均正確率為：99.5005%5.2.3編寫matlab執(zhí)行文件，區(qū)分白紙上人血和其他血跡，得正確率w圖10：白紙區(qū)分人血和其他血跡程序圖通過該模型對(duì)所有人血跡和其他血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表6:白紙上人血和其他血跡20次正確率平均正確率為80.0333%5.3針對(duì)布上血跡處理5.3.1針對(duì)布上的血跡的特征量提取，建立神經(jīng)網(wǎng)絡(luò)模型采用第2問模型分析布上血跡，我們依舊對(duì)布上人血跡與其他血跡的最大值，方差和某處波長(zhǎng)時(shí)的能量值作為特征值，建立BP神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練5.3.2編寫matlab執(zhí)行文件，區(qū)分布上的血跡點(diǎn)和非血跡點(diǎn)，得正確率w圖11：布區(qū)分血跡點(diǎn)和非血跡點(diǎn)程序圖通過該模型對(duì)布上血跡點(diǎn)和非血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表7:布上血跡點(diǎn)和非血跡點(diǎn)20次正確率平均正確率為：100.0%5.3.3編寫matlab執(zhí)行文件，區(qū)分布上人血和其他血跡，得正確率w圖12：布上區(qū)分人血和其他血跡程序圖通過該模型對(duì)布上人血和其他血跡進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表8：白紙上人血和其他血跡20次正確率平均正確率為：98.705%6.問題〔4〕處理6.1針對(duì)所有介質(zhì)上的血跡特征量提取，建立神經(jīng)網(wǎng)絡(luò)模型針對(duì)所有介質(zhì)上的血跡時(shí)，人血跡與其他血跡的最大值和某處波長(zhǎng)時(shí)的能量值均已失效，方差除了紙上時(shí)，還是很好區(qū)分，這樣我們通過對(duì)方差進(jìn)行倍乘，將他們之間的微小差距拉大，通過倍乘后的方差，建立BP神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練6.2編寫matlab執(zhí)行文件，區(qū)分人血跡和其他血跡點(diǎn)，得正確率w圖13：所有人血跡和其他血跡點(diǎn)通過該模型對(duì)所有人血跡和其他血跡點(diǎn)進(jìn)行訓(xùn)練與測(cè)試，進(jìn)行20次訓(xùn)練得到的正確率為表9：所有人血和其他血跡20次正確率平均正確率為96.00005%7、模型的評(píng)價(jià)與推廣7.1模型的優(yōu)點(diǎn)〔1〕信息處理能力強(qiáng)：人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的系統(tǒng)，具有高速信息處理能力?！?〕知識(shí)存儲(chǔ)容量大：人工神經(jīng)網(wǎng)絡(luò)中，知識(shí)與信息的存儲(chǔ)表現(xiàn)為神經(jīng)元之間分布式的物理聯(lián)系。它分散地表示和存儲(chǔ)于整個(gè)網(wǎng)絡(luò)內(nèi)的各個(gè)神經(jīng)元及連線上?！?〕具有很強(qiáng)的不確定性信息：由于人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元個(gè)數(shù)眾多，整個(gè)網(wǎng)絡(luò)存儲(chǔ)信息容量巨大，使得它具有很強(qiáng)的對(duì)不確定信息的處理能力。即使輸入不完全、不準(zhǔn)確或模糊不清，人工神經(jīng)網(wǎng)絡(luò)任然能夠聯(lián)想存在于記憶中的事物的完整圖像。即只要輸入的模式接近于樣本，系統(tǒng)就能給出正確的推理結(jié)論?！?〕有很強(qiáng)的健壯性：無論是網(wǎng)絡(luò)的硬件實(shí)現(xiàn)還是軟件實(shí)現(xiàn)中的某個(gè)或某些神經(jīng)元失效，整個(gè)網(wǎng)絡(luò)仍然能正常工作?！?〕高度非線性系統(tǒng)：人工神經(jīng)網(wǎng)絡(luò)是一種高度非線性的系統(tǒng)，只有當(dāng)神經(jīng)元對(duì)所有的輸入信號(hào)的綜合處理結(jié)果超過某一閥值后才輸出一個(gè)信號(hào)。7.2模型的缺點(diǎn)〔1〕局部極小化問題：BP神經(jīng)網(wǎng)絡(luò)對(duì)初始網(wǎng)絡(luò)權(quán)重非常敏感，以不同的權(quán)重初始化網(wǎng)絡(luò)，往往會(huì)收斂于不同的局部極小?！?〕收斂速度慢：由于神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上是梯度下降法，所優(yōu)化的目標(biāo)非常復(fù)雜，必然會(huì)出現(xiàn)“鋸齒形現(xiàn)象〞，是的算法低效?！?〕結(jié)構(gòu)選擇不一：至今仍無一種統(tǒng)一而完整的理論指導(dǎo)，一般由經(jīng)驗(yàn)選定。參考文獻(xiàn)[1]馮小平基于光譜分析技術(shù)的不同介質(zhì)血液陳舊度研究[J]壓電與聲光2023.12〔1〕[2]佘宇晨主要道路路面材料高光譜特征分析[J]中南林業(yè)科技大學(xué)2023.11〔34〕[3]黃立賢基于光譜與紋理特征的高空間分辨率圖像分類算法[J]信號(hào)與信息處理光電技術(shù)運(yùn)用，2023.6〔29〕[4]張棟高光譜成像技術(shù)對(duì)人體面部和手掌的成像及光譜分析[5]趙春暉基于蒙特卡羅特征降維算法的小樣本高光譜圖像分類[J]紅外與毫米波學(xué)報(bào)2023.12〔32〕[6]梁東博斯騰湖西岸湖濱帶土壤鹽分高光譜分析[J]揚(yáng)州大學(xué)學(xué)報(bào)2023.6〔35〕[7]楊佳迷彩偽裝的高光譜特性分析[J]光學(xué)儀器2023.10〔35〕[8]馮小平基于高光譜成像技術(shù)的血跡形態(tài)特征檢測(cè)研究[M]2023.5附件：clearcloseallclcdata=textread('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件');gw_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\玻璃白板.txt');gc_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\玻璃雞.txt');gh_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\玻璃人.txt');gr_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\玻璃兔.txt');cw_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\布白板.txt');cc_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\布雞.txt');ch_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\布人.txt');cr_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\布兔.txt');ww_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\木頭白板.txt');wc_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\木頭雞.txt');wh_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\木頭人.txt');wr_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\木頭兔.txt');pw_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\紙白板.txt');pc_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\紙雞.txt');ph_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\紙人.txt');pr_data=importdata('C:\Users\Administrator\Desktop\2023年研究生數(shù)學(xué)建模賽題和格式標(biāo)準(zhǔn)\賽題A\附件\紙兔.txt');%=========================================================================gw_data1=gw_data(:,1:2:end);gw_data2=gw_data(:,2:2:end);gc_data1=gc_data(:,1:2:end);gc_data2=gc_data(:,2:2:end);gh_data1=gh_data(:,1:2:end);gh_data2=gh_data(:,2:2:end);gr_data1=gr_data(:,1:2:end);gr_data2=gr_data(:,2:2:end);cw_data1=cw_data(:,1:2:end);cw_data2=cw_data(:,2:2:end);cc_data1=cc_data(:,1:2:end);cc_data2=cc_data(:,2:2:end);ch_data1=ch_data(:,1:2:end);ch_data2=ch_data(:,2:2:end);cr_data1=cr_data(:,1:2:end);cr_data2=cr_data(:,2:2:end);ww_data1=ww_data(:,1:2:end);ww_data2=ww_data(:,2:2:end);wc_data1=wc_data(:,1:2:end);wc_data2=wc_data(:,2:2:end);wh_data1=wh_data(:,1:2:end);wh_data2=wh_data(:,2:2:end);wr_data1=wr_data(:,1:2:end);wr_data2=wr_data(:,2:2:end);pw_data1=pw_data(:,1:2:end);pw_data2=pw_data(:,2:2:end);pc_data1=pc_data(:,1:2:end);pc_data2=pc_data(:,2:2:end);ph_data1=ph_data(:,1:2:end);ph_data2=ph_data(:,2:2:end);pr_data1=pr_data(:,1:2:end);pr_data2=pr_data(:,2:2:end);%============================木頭方差================================fori=1:10wwp_var(i)=var(ww_data2(:,i));wcp_var(i)=var(wc_data2(:,i));whp_var(i)=var(wh_data2(:,i));wrp_var(i)=var(wr_data2(:,i));endfigure(21)holdonh=plot(i,wwp_var,'r*',i,wcp_var,'g*',i,whp_var,'b*',i,wrp_var,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('木頭方差')%============================木頭最大值================================fori=1:10wwp_max(i)=max(ww_data2(:,i));wcp_max(i)=max(wc_data2(:,i));whp_max(i)=max(wh_data2(:,i));wrp_max(i)=max(wr_data2(:,i));endfigure(212)holdonh=plot(i,wwp_max,'r*',i,wcp_max,'g*',i,whp_max,'b*',i,wrp_max,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('木頭最大值')%============================木頭500====================================fori=1:10wwp_m(i)=ww_data2(118,i);wcp_m(i)=wc_data2(118,i);whp_m(i)=wh_data2(118,i);wrp_m(i)=wr_data2(118,i);endfigure(213)holdonh=plot(i,wwp_m,'r*',i,wcp_m,'g*',i,whp_m,'b*',i,wrp_m,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('木頭500')%============================-=------================================%============================布方差================================fori=1:10cwp_var(i)=var(cw_data2(:,i));ccp_var(i)=var(cc_data2(:,i));chp_var(i)=var(ch_data2(:,i));crp_var(i)=var(cr_data2(:,i));endfigure(311)holdonh=plot(i,cwp_var,'r*',i,ccp_var,'g*',i,chp_var,'b*',i,crp_var,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('布方差')%============================布最大值================================fori=1:10cwp_max(i)=max(cw_data2(:,i));ccp_max(i)=max(cc_data2(:,i));chp_max(i)=max(ch_data2(:,i));crp_max(i)=max(cr_data2(:,i));endfigure(312)holdonh=plot(i,cwp_max,'r*',i,ccp_max,'g*',i,chp_max,'b*',i,crp_max,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('布最大值')%============================布500====================================fori=1:10cwp_m(i)=cw_data2(118,i);ccp_m(i)=cc_data2(118,i);chp_m(i)=ch_data2(118,i);crp_m(i)=cr_data2(118,i);endfigure(313)holdonh=plot(i,cwp_m,'r*',i,ccp_m,'g*',i,chp_m,'b*',i,crp_m,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('布500')%=============================%============================-=------================================%============================紙方差================================fori=1:10pwp_var(i)=var(pw_data2(:,i));pcp_var(i)=var(pc_data2(:,i));php_var(i)=var(ph_data2(:,i));prp_var(i)=var(pr_data2(:,i));endfigure(321)holdonh=plot(i,pwp_var,'r*',i,pcp_var,'g*',i,php_var,'b*',i,prp_var,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('紙方差')%============================紙最大值================================fori=1:10pwp_max(i)=max(pw_data2(:,i));pcp_max(i)=max(pc_data2(:,i));php_max(i)=max(ph_data2(:,i));prp_max(i)=max(pr_data2(:,i));endfigure(322)holdonh=plot(i,cwp_max,'r*',i,ccp_max,'g*',i,chp_max,'b*',i,crp_max,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('紙最大值')%============================紙500====================================fori=1:10pwp_m(i)=pw_data2(118,i);pcp_m(i)=pc_data2(118,i);php_m(i)=ph_data2(118,i);prp_m(i)=pr_data2(118,i);endfigure(323)holdonh=plot(i,pwp_m,'r*',i,pcp_m,'g*',i,php_m,'b*',i,prp_m,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('紙500')%=============================%============================玻璃方差================================fori=1:10gwp_var(i)=var(gw_data2(:,i));gcp_var(i)=var(gc_data2(:,i));ghp_var(i)=var(gh_data2(:,i));grp_var(i)=var(gr_data2(:,i));endfigure(321)holdonh=plot(i,gwp_var,'r*',i,gcp_var,'g*',i,ghp_var,'b*',i,grp_var,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('玻璃方差')%============================玻璃最大值================================fori=1:10gwp_max(i)=max(gw_data2(:,i));gcp_max(i)=max(gc_data2(:,i));ghp_max(i)=max(gh_data2(:,i));grp_max(i)=max(gr_data2(:,i));endfigure(322)holdonh=plot(i,gwp_max,'r*',i,gcp_max,'g*',i,ghp_max,'b*',i,grp_max,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('玻璃最大值')%============================玻璃500====================================fori=1:10gwp_m(i)=gw_data2(118,i);gcp_m(i)=gc_data2(118,i);ghp_m(i)=gh_data2(118,i);grp_m(i)=gr_data2(118,i);endfigure(323)holdonh=plot(i,gwp_m,'r*',i,gcp_m,'g*',i,ghp_m,'b*',i,grp_m,'k*')legend(h(1:10:end),'白板','雞','人','兔')title('玻璃500')%=============================%=========================================================================%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%第二問(1)求木頭上血跡與非血跡區(qū)別%給定輸入輸出值input_train=[wwp_var(1:5),wcp_var(1:5),whp_var(1:5),wrp_var(1:5);wwp_max(1:5),wcp_max(1:5),whp_max(1:5),wrp_max(1:5);wwp_m(1:5),wcp_m(1:5),whp_m(1:5),wrp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%輸入輸出測(cè)試input_test=[wwp_var(6:10),wcp_var(6:10),whp_var(6:10),wrp_var(6:10);wwp_max(6:10),wcp_max(6:10),whp_max(6:10),wrp_max(6:10);wwp_m(6:10),wcp_m(6:10),whp_m(6:10),wrp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,5);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w=w+1;endendw=w/length(output_test);==========================================================================%第二問(2)求人血與其他血跡區(qū)別給定輸入輸出值input_train=[whp_var(1:5),wcp_var(1:5),wrp_var(1:5);whp_max(1:5),wcp_max(1:5),wrp_max(1:5);whp_m(1:5),wcp_m(1:5),wrp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];輸入輸出測(cè)試input_test=[whp_var(6:10),wcp_var(6:10),wrp_var(6:10);whp_max(6:10),wcp_max(6:10),wrp_max(6:10);whp_m(6:10),wcp_m(6:10),wrp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,8);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);求準(zhǔn)確率ww2=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w2=w2+1;endendw2=w2/length(output_test)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%第三問求布上血跡與非血跡區(qū)別%%給定輸入輸出值input_train=[cwp_var(1:5),ccp_var(1:5),chp_var(1:5),crp_var(1:5);cwp_max(1:5),ccp_max(1:5),chp_max(1:5),crp_max(1:5);cwp_m(1:5),ccp_m(1:5),chp_m(1:5),crp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%輸入輸出測(cè)試input_test=[cwp_var(6:10),ccp_var(6:10),chp_var(6:10),crp_var(6:10);cwp_max(6:10),ccp_max(6:10),chp_max(6:10),crp_max(6:10);cwp_m(6:10),ccp_m(6:10),chp_m(6:10),crp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,5);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww22=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w22=w22+1;endendw22=w22/length(output_test);===============================布上人血與其他血跡區(qū)別=====================================%求布上人血與其他血跡區(qū)別%給定輸入輸出值input_train=[chp_var(1:5),ccp_var(1:5),crp_var(1:5);chp_max(1:5),ccp_max(1:5),crp_max(1:5);chp_m(1:5),ccp_m(1:5),crp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%%%輸入輸出測(cè)試input_test=[chp_var(6:10),ccp_var(6:10),crp_var(6:10);chp_max(6:10),ccp_max(6:10),crp_max(6:10);chp_m(6:10),ccp_m(6:10),crp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,8);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww222=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w222=w222+1;endendw222=w222/length(output_test)=========================%%第三問求玻璃上血跡與非血跡區(qū)別====================================%給定輸入輸出值input_train=[gwp_var(1:5),gcp_var(1:5),ghp_var(1:5),grp_var(1:5);gwp_max(1:5),gcp_max(1:5),ghp_max(1:5),grp_max(1:5);gwp_m(1:5),gcp_m(1:5),ghp_m(1:5),grp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%輸入輸出測(cè)試input_test=[gwp_var(6:10),gcp_var(6:10),ghp_var(6:10),grp_var(6:10);gwp_max(6:10),gcp_max(6:10),ghp_max(6:10),grp_max(6:10);gwp_m(6:10),gcp_m(6:10),ghp_m(6:10),grp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,5);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww3=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w3=w3+1;endendw3=w3/length(output_test);===============================玻璃上人血與其他血跡區(qū)別=====================================求布上人血與其他血跡區(qū)別給定輸入輸出值%input_train=[ghp_var(1:5),gcp_var(1:5),grp_var(1:5);ghp_max(1:5),gcp_max(1:5),grp_max(1:5);ghp_m(1:5),gcp_m(1:5),grp_m(1:5)];%output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%%輸入輸出測(cè)試%input_test=[ghp_var(6:10),gcp_var(6:10),grp_var(6:10);ghp_max(6:10),gcp_max(6:10),grp_max(6:10);ghp_m(6:10),gcp_m(6:10),grp_m(6:10)];%output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)%[inputn,inputps]=mapminmax(input_train);%[outputn,outputps]=mapminmax(output_train);%net=newff(inputn,outputn,8);%net.trainParam.epochs=50;%net.trainParam.lr=0.0035;%net.trainParam.goal=1e-5;%net.trainParam.min_grad=1e-020;%net=train(net,inputn,outputn);%inputn_test=mapminmax('apply',input_test,inputps);%y=sim(net,inputn_test);%BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率w%w333=0;%fori=1:length(output_test)%if(y(i)>0.9)%y(i)=1;%elsey(i)=0;%end%ify(i)==output_test(i)%w333=w333+1;%end%end%w333=w333/length(output_test)%=========================================================================%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%第三問求紙上血跡與非血跡區(qū)別%%給定輸入輸出值input_train=[pwp_var(1:5),pcp_var(1:5),php_var(1:5),prp_var(1:5);pwp_max(1:5),pcp_max(1:5),php_max(1:5),prp_max(1:5);pwp_m(1:5),pcp_m(1:5),php_m(1:5),prp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%輸入輸出測(cè)試input_test=[pwp_var(6:10),pcp_var(6:10),php_var(6:10),prp_var(6:10);pwp_max(6:10),pcp_max(6:10),php_max(6:10),prp_max(6:10);pwp_m(6:10),pcp_m(6:10),php_m(6:10),prp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,5);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww44=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w44=w44+1;endendw44=w44/length(output_test)===============================紙上人血與其他血跡區(qū)別=====================================%求布上人血與其他血跡區(qū)別%給定輸入輸出值input_train=[php_var(1:5),pcp_var(1:5),prp_var(1:5);php_max(1:5),pcp_max(1:5),prp_max(1:5);php_m(1:5),pcp_m(1:5),prp_m(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%%輸入輸出測(cè)試input_test=[php_var(6:10),pcp_var(6:10),prp_var(6:10);php_max(6:10),pcp_max(6:10),prp_max(6:10);php_m(6:10),pcp_m(6:10),prp_m(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,8);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww444=0;fori=1:length(output_test)if(y(i)>0.85)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w444=w444+1;endendw444=w444/length(output_test)%%%=======================================================================%==========================================================================%===============================第4問=====================================%%求人血與其他血跡區(qū)別%%給定輸入輸出值input_train=[chp_var(1:5),ccp_var(1:5),crp_var(1:5);ghp_var(1:5),gcp_var(1:5),grp_var(1:5);php_var(1:5),pcp_var(1:5),prp_var(1:5);whp_var(1:5),wcp_var(1:5),wrp_var(1:5)];output_train=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%%輸入輸出測(cè)試input_test=[chp_var(6:10),ccp_var(6:10),crp_var(6:10);ghp_var(6:10),gcp_var(6:10),grp_var(6:10);php_var(6:10),pcp_var(6:10),prp_var(6:10);whp_var(6:10),wcp_var(6:10),wrp_var(6:10)];output_test=[1,1,1,1,1,0,0,0,0,0,0,0,0,0,0];%設(shè)置參數(shù)[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);net=newff(inputn,outputn,8);net.trainParam.epochs=50;net.trainParam.lr=0.0035;net.trainParam.goal=1e-5;net.trainParam.min_grad=1e-020;net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);y=sim(net,inputn_test);BPoutput=mapminmax('reverse',y,outputps);%求準(zhǔn)確率ww4=0;fori=1:length(output_test)if(y(i)>0.9)y(i)=1;elsey(i)=0;endify(i)==output_test(i)w4=w4+1;endendw4=w4/length(output_test)%%%=======================================================================%%%=======================================================================figure(1)holdonsubplot(2,2,1)h=plot(gw_data1,gw_data2,'r-',gc_data1,gc_data2,'g-',gh_data1,gh_data2,'b-',gr_data1,gr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('玻璃')subplot(2,2,2)h=plot(cw_data1,cw_data2,'r-',cc_data1,cc_data2,'g-',ch_data1,ch_data2,'b-',cr_data1,cr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('布')subplot(2,2,3)h=plot(ww_data1,ww_data2,'r-',wc_data1,wc_data2,'g-',wh_data1,wh_data2,'b-',wr_data1,wr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('木頭')subplot(2,2,4)h=plot(pw_data1,pw_data2,'r-',pc_data1,pc_data2,'g-',ph_data1,ph_data2,'b-',pr_data1,pr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('紙')%%=========================================================================%%========================同介質(zhì)，不同類別==================================figure(11)holdonh=plot(gw_data1,gw_data2,'r-',gc_data1,gc_data2,'g-',gh_data1,gh_data2,'b-',gr_data1,gr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('玻璃')figure(22)holdonh=plot(cw_data1,cw_data2,'r-',cc_data1,cc_data2,'g-',ch_data1,ch_data2,'b-',cr_data1,cr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('布')figure(33)holdonh=plot(ww_data1,ww_data2,'r-',wc_data1,wc_data2,'g-',wh_data1,wh_data2,'b-',wr_data1,wr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('木頭')figure(44)holdonh=plot(pw_data1,pw_data2,'r-',pc_data1,pc_data2,'g-',ph_data1,ph_data2,'b-',pr_data1,pr_data2,'k-')legend(h(1:10:end),{'白板','雞','人','兔'})title('紙')%%=