基于距离的法医比对方法评估：在手气味证据上的应用
机器学习
2023-03-17 v1 信号处理
摘要
基于各类痕迹区分同源与异源假设是法庭科学中的共性问题。该问题常借助贝叶斯方法处理，其能够提供似然比以量化支持两个竞争假设的相对证据强度。本文关注基于距离的方法，其鲁棒性尤其是处理高维证据的能力差异显著，需加以评估与优化。我们提出了一个统一框架，涵盖直接法（基于估计两竞争假设下痕迹间距离的似然）与间接法（利用逻辑回归区分同源与异源距离分布）。直接法更为灵活，而间接法更为鲁棒且在机器学习中颇为自然。此外，间接法亦可使用向量距离，从而避免了标量距离方法所遭受的严重信息损失。在以手气味谱（法庭科学领域中一种新颖且具挑战性的证据类型）为例的实验中，我们比较了直接与间接方法在有无降维、有无特征选择下的灵敏度、特异度与鲁棒性。基于534名受试者及其1690份气味痕迹的大规模实证评估表明，间接方法具有显著优越性，尤其在不降维时，无论是否进行特征选择皆然。
引用
@article{arxiv.2303.09126,
title = {Evaluation of distance-based approaches for forensic comparison: Application to hand odor evidence},
author = {Isabelle Rivals and Cédric Sautier and Guillaume Cognon and Vincent Cuzuel},
journal= {arXiv preprint arXiv:2303.09126},
year = {2023}
}