使用基于 ROC 的近似贝叶斯计算模型选择算法量化指纹证据权重
统计方法学
2020-01-14 v3 其他统计学
摘要
一个多世纪以来，指纹一直被非常成功地用于识别罪犯或验证个人身份。指纹检验人员使用的分类结论方案，以及更一般地法医科学家遵循的推断过程，在科学和法律文献中受到了严厉批评。相反，学者们提出使用贝叶斯因子作为推断过程的关键要素来表征法医证据的权重。在法医学中，量化支持力度与确定支持哪个模型同等重要。遗憾的是，指纹模式的复杂性使得基于似然的推断变得不可能。在本文中，我们使用近似贝叶斯计算模型选择算法来量化指纹证据的权重。我们使用受试者工作特征曲线来补充 ABC 算法，以减轻维度灾难的影响。我们改进后的算法计算效率高，并且随着模拟次数的增加，更容易监控收敛性。我们使用我们的方法量化了法医学中指纹证据的权重，但我们注意到它可以应用于任何其他法医模式证据。
引用
@article{arxiv.1803.10121,
title = {Quantification of the weight of fingerprint evidence using a ROC-based Approximate Bayesian Computation algorithm for model selection},
author = {J. H. Hendricks and C. Neumann and C. P. Saunders},
journal= {arXiv preprint arXiv:1803.10121},
year = {2020}
}