摘要：手帕纸塑料包装袋作为常用的包装产品,在案件侦破中具有重要作用。为构建一种快速高效的手帕纸塑料包装袋的分类方法,利用X射线荧光(XRF)光谱对40个不同品牌、不同系列的手帕纸塑料包装袋样本进行元素含量测定。利用谱聚类(SC)算法有效捕捉多维XRF数据的复杂分布特性,将样本划分为5类,克服了传统聚类算法对线性可分数据的依赖。通过随机森林(RF)算法进行特征选择,筛选出Ti、Se、Sb、Sr、Cu等关键元素,显著提升了后续分类模型的效率。采用递归特征消除与交叉验证(RFECV)优化特征子集,结合类别型特征提升方法(CatBoost)构建的分类模型准确率为92.86%,且前5个特征与全特征集的分类准确率一致,表明特征选择的合理性。该方法可靠实用,不仅降低了计算复杂度,还为物证分析提供了快速、准确的技术支持。
