一种基于可拓分类的交通事故现场微量物证识别方法技术

本发明专利技术公开了一种基于可拓分类的交通事故现场微量物证识别方法，包括以下步骤：S1：提取现场物证的特征数据信息根据特征值集建立微量物证的微量物元的特征数据矩阵；S2：建立基于待检验识别对象的分类集G和微量特征集C的可拓关系，S3：确定分类集G上的标准域Vij＝<aij,bij>和内外限制域确定分类的物元，把所检测得到的数据或分析结果用物元表示，称为对象的类物元，S4：确定权系数，确定属性Ci的权系数为αi，确定分类对象关于各类别的关联度Kj(vj)，计算分类对象P关于j类的关联度，S5：根据微量物元分类集G存在类物元，对待检验识别对象子集进行可拓分类；S6：对待检验识别对象进行可拓分类识别所述微量物证。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：S1：提取现场物证的特征数据信息根据特征值集建立微量物证的微量物元的特征数据矩阵；S2：建立基于待检验识别对象的分类集G和微量特征集C的可拓关系，S3：确定分类集G上的标准域Vij＝<aij,bij>和内外限制域确定分类的物元，把所检测得到的数据或分析结果用物元表示，称为对象的类物元，S4：确定权系数，确定属性Ci的权系数为αi，确定分类对象关于各类别的关联度Kj(vj)，计算分类对象P关于j类的关联度，S5：根据微量物元分类集G存在类物元，对待检验识别对象子集进行可拓分类；S6：对待检验识别对象进行可拓分类识别所述微量物证。【专利说明】-种基于可拓分类的交通事故现场微量物证识别方法
本专利技术涉及微量物证的检验与识别领域，尤其涉及基于可拓分类的交通事故现场 微量物证识别方法。
技术介绍
微量物证的检验与识别是刑事科学技术的重要内容，传统的微量物证检验与识别 都是以数据统计分析为基本工具，尽管数据分析方法已经达到了相当成熟的水平，但是，在 微量因素信息不完备、数据不完整的情况下，对微量物证的检验与识别存在着较大的困难。 本世纪以来，现代微量物证检验与识别得到了快速的发展，在检验识别中针对微量特征不 确定性、可变形的特点，出现了各种新的理论与方法，推动了现代微量物证检验与识别领域 的发展。 例如现有技术中采用模糊识别方法分析微量物证，基本特点是运用相似优先比将 比对样品与一个固定的样品相比较，以确定哪个样品与固定样品更为相似，从而选择出与 固定样品相似程度较大者。另外现有技术中还探讨了在微量物证检验中采用灰色关联分 析，主要特点是，在玻璃碎屑的检验中，可以根据锰、铁、镁、铝、钡五种元素的含量及玻璃的 折射率来进行归类。利用模糊模式识别对玻璃碎屑进行归类，是一个行之有效的方法。但 是，由于生产玻璃的厂家不同，或者玻璃生产的时间、批次不同，元素的含量及折射多会发 生变化。这就是说，在玻璃碎屑检验中，所用的特征，即元素的含量及折射率，实际上是灰 量；我们采用数据挖掘方法进行微量物证的检验，研究表明，粗糙集的挖掘算法不仅应用于 微量物证检验中的不确定数据对象进行数据挖掘处理，而且对于刑事案件将起到打击和预 防作用。并且，在交通肇事逃逸案的侦破中，通过对历史数据进行挖掘得出的规则，可以对 该类案件发生的规律、模式进行比较系统的描述和较好的预测；以往的研究基本上都是采 用模式识别技术进行微量物证的检验，由于不同的数据获取手段和分析角度，检验识别的 效果有所差异，因此现有技术中在检验识别的特征选择上都是基于单因素特征信息，因此 所得的结果只能是次优的。
技术实现思路
根据现有技术存在的问题，本专利技术公开了一种基于可拓分类的交通事故现场微量 物证识别方法，括以下步骤 ： Sl :提取现场物证的特征数据信息，设待检验识别对象的物元集为R= (R1, R2, Λ，Rm) = (G，C，V) ;G = (G1, G2, Λ，GJ 是待检验识别对象的分类集，C = ΙΑ，(：2, Λ，CJ 是每种对象构成的微量特征集，V = IV1, V2, Λ，VJ是所述微量特征集对应的特征值集，根 据特征值集建立微量物证的微量物元的特征数据矩阵； S2 :建立基于待检验识别对象的分类集G和微量特征集C的可拓关系：GXC，GXC 上的一个可拓子集称为分类的一个可拓关系，所述GXC上的可拓关系采用可拓矩阵表示； S3 :确定分类集G上的标准域Vij=〈a ^ by.〉和内外限制域GG ;确定分类的 物元，把所检测得到的数据或分析结果用物元表示，称为对象的类物元，其中G表示分类对 象，ViSG关于属性CiW量值； η S4 :确定权系数，确定属性Ci的权系数为a i，且=1 ;确定分类对象关于各 M 类别的关联度VvP，计算分类对象P关于j类的关联度，即 【权利要求】1. ，其特征在于包括以下步骤： 51 :提取现场物证的特征数据信息，设待检验识别对象的物元集为R= (R1,R2,Λ，Rm) =(G，C，V);G= {Gi，G2,A，Gm}是待检验识别对象的分类集，C=ICpC2,A，Cn}是每种对 象构成的微量特征集，V=IVdV2,Λ，VJ是所述微量特征集对应的特征值集，根据特征值 集建立微量物证的微量物元的特征数据矩阵； 52 :建立基于待检验识别对象的分类集G和微量特征集C的可拓关系：GXC，GXC上的 一个可拓子集称为分类的一个可拓关系，所述GXC上的可拓关系采用可拓矩阵表示； 53 :确定分类集G上的标准域Vij=〈a^bij〉和内外限制域U、确定分类的物元， 把所检测得到的数据或分析结果用物元表示，称为对象的类物元，其中G表示分类对象，Vi 为G关于属性(^的量值； η S4:确定权系数，确定属性Ci的权系数为ai，且ΣA=1;确定分类对象关于各类i-l 别的关联度，计算分类对象P关于j类的关联度，即 55 :根据微量物元分类集G存在类物元R= (G，C，V)，对待检验识别对象子集进行可拓 分类，可拓分类具有内关联度和外关联度，相对于内外关联度可得到一个可拓关联度； 56 :对待检验识别对象进行可拓分类识别所述微量物证：类别评定：若MP)= maxKj(P)(j= 1，…，m)，则评定P属于1类别，令：则称_]_#为P的类别特征值。2. 根据权利要求1所述的，其特 征还在于：Sl中：R= (R1,R2,Λ，Rm) = (G，C，V)其中：所述微量物元的特征数据矩阵为：其中：VijQ= 1，Λ,η;j= 1，Λ,m;Vije(- 〇〇，+ 〇〇 ))为微量特征i对于类别j的 符合度。3. 根据权利要求1所述的，其特 征还在于：设微量特征值为Vtl，类特征值为一区间Vtl= <a，b>则公式⑴称为微量特征值Vt^VciSa，b>的距；所述距P(V(l，Vtl)与经典数学中点与 区间的距离d(vQ,V。）的关系是：当vfl 0Ffl或Vq=a,b时，P(V。，V。）=d(vQ,V。）彡O;当 v〇eV。，且V。关a,b时，P(V。，V。)〈0,d(V。，V。）= 0。4. 根据要求1所述的，其特征还 在于：S5中：分类标准是基于特征值的标准域确定，即：Rtl和V〇是同特征物元Ri，馬，Λ，RmW物元体，其中G彦示所划分的第j个评价类别，Ci表示第i个评价特征，Vu=〈a$bu>分别为关于特征C,所规定的量值范围，即各类别关 于对应的特征所取的数据范围标准域，建立内限制域和外限制域，即G和，令其中G表示类别的全体，G为G关于Ci所取的量值的内限制范围，G为G关于(^所 取的量值的外限制范围，即G的内外限制域。5. 根据要求1所述的，其特征还 在于：S5中：所述微量物元分类集G关于j类的关联度为：其中：￡)(')为识别对象子集对于j类的内关联度，即：(&)为识别对象子集对于j类的外关联度，.丨为中介关联度，并且〇〇) = 。【文档编号】G06K9/62GK104463225SQ201410817528【公开日】2015年3月25日 申请日期:2014年12月24本文档来自技高网...

【技术保护点】
一种基于可拓分类的交通事故现场微量物证识别方法，其特征在于包括以下步骤：S1：提取现场物证的特征数据信息，设待检验识别对象的物元集为R＝(R1，R2,Λ,Rm)＝(G，C，V)；G＝{G1,G2,Λ,Gm}是待检验识别对象的分类集，C＝{C1,C2,Λ,Cn}是每种对象构成的微量特征集，V＝{V1,V2,Λ,Vn}是所述微量特征集对应的特征值集，根据特征值集建立微量物证的微量物元的特征数据矩阵；S2：建立基于待检验识别对象的分类集G和微量特征集C的可拓关系：G×C，G×C上的一个可拓子集称为分类的一个可拓关系，所述G×C上的可拓关系采用可拓矩阵表示；S3：确定分类集G上的标准域Vij＝<aij,bij>和内外限制域确定分类的物元，把所检测得到的数据或分析结果用物元表示，称为对象的类物元，其中G表示分类对象，Vi为G关于属性Ci的量值；S4：确定权系数，确定属性Ci的权系数为αi,且确定分类对象关于各类别的关联度Kj(vj)，计算分类对象P关于j类的关联度，即S5：根据微量物元分类集G存在类物元R＝(G,C,V)，对待检验识别对象子集进行可拓分类，可拓分类具有内关联度和外关联度，相对于内外关联度可得到一个可拓关联度；S6：对待检验识别对象进行可拓分类识别所述微量物证：类别评定：若Kj0(P)＝maxKj(P)(j＝1，…，m)，则评定P属于j0.类别，令：则称j*为P的类别特征值。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘淑霞，段丽华，
申请(专利权)人：刘淑霞，段丽华，
类型：发明
国别省市：辽宁;21