基于深度神经网络的全球法医地理定位
机器学习
2019-05-29 v1 机器学习
摘要
法医分析中的一个重要问题是确定犯罪现场材料的来源，例如衣物上生物材料的来源。这一被称为地理定位的过程传统上由对生物证据的专家知识指导，因此往往是针对特定应用、劳动密集且主观的。纯粹的数据驱动方法尚未完全实现，部分原因在于缺乏足够丰富的数据源。然而，高通量测序技术能够利用从几乎任何物体或表面采集的单个拭子中回收的 DNA 识别出数万种微生物类群。我们提出了一种新的地理定位算法，该算法聚合了在随机生成的时空域 Voronoi 划分上训练的深度神经网络分类器集成。我们将该算法应用于横跨美国大陆收集的 1300 份尘埃样本中的真菌，随后应用于来自 28 个国家的全球尘埃样本数据集。我们的算法做出了相当好的点预测，在大陆分析中超过一半的地理定位误差小于 100 公里，在全球分析中对样本原属国家的分类准确率接近 90%。我们认为该模型的有效性为法医地理定位的一种新的定量方法奠定了基础。
引用
@article{arxiv.1905.11765,
title = {Global forensic geolocation with deep neural networks},
author = {Neal S. Grantham and Brian J. Reich and Eric B. Laber and Krishna Pacifici and Robert R. Dunn and Noah Fierer and Matthew Gebert and Julia S. Allwood and Seth A. Faith},
journal= {arXiv preprint arXiv:1905.11765},
year = {2019}
}