命案發生後。
死亡時間的判定,對準確鎖定兇手十分關鍵。
目前判定死亡時間有以下方法。。。
a.以屍斑來第一,屍斑形成的初期,都是淺紅色的,後期可能會加重。第二,屍斑在死後十二小時內確實可以隨著屍體位置的變化而重新形成。
b.以體溫來判斷。
根據正常室溫下前十小時每小時下降一攝氏度,以後每小時下降零點五攝氏度的規律計算。
c.以胃腸內容物的消化、遷移情況來判斷
燒死的屍體沒法用溫度來判斷死亡時間,想準確判斷,只有看胃腸內容物的消化、遷移情況了。
d.以屍僵來判斷
屍僵的形成,一般是按照下行順序,也就是說頸部、下頜會先形成屍僵,然後往下慢慢形成,而從關節上看,也是先在小關節處形成屍僵,然後在大關節處形成。
最近,微生物組學又爆出新發現,利用隨機森林迴歸模型,通過菌群數據準確預測死亡時間。
通俗來講,隨機森林迴歸模型,其實是一種類似於美國陪審團的數學模型算法。
森林裡的每個決策樹就好像每一個陪審員。
如下面為決策樹圖片
我不指望你一個人能否做出準確專業的判斷,這不重要,只要你們大多數人做出正確判斷就好了。
只不過要求決策樹的數量為100,這樣就可以使分類精度達到要求。
隨機森林的統計分類及迴歸分析可以與支持向量機(SVM)相媲美哦。
下面是隨機森林的matlab 算法代碼:
function Randomfre(set,numtrees )
%利用隨機森林進行訓練跟預測% by YangL
s=['rf/train_',num2str(set),'.rf'];
trainall=load(s);
[N D] =size(trainall);
train=zeros(N,D);
for i=1:D-1 for j=1:N
train(j,i)=trainall(j,i);
end
end
trainlabel=zeros(N,1);
for i=1:N
trainlabel(i,D)=train(i,D);
ends=['rf/predict_',num2str(set),'.rf'];
testall=load(s);
[N D] =size(testall);
test=zeros(N,D);
for i=1:D-1 for j=1:N
test(j,i)=testall(j,i);
end
end
%finish loading data
m=floor(sqr(D-1));
model=regRF_train(train,trainlabel,numtrees,m);
testlabel=regRF_predict(test,model);
%finished training
s=['rf/train_',num2str(set),'.rf']
fid=fopen('rf/set',num2str(set),'.predict','w');
for i=1:N
fprintf(fid,'%d ',testlabel(i));
end
%print out
end
下面是生物分析。。。
從墓穴及皮膚處獲取樣品,並利用16S rRNA作為遺傳標記,在門水平進行分析,可最精確地預測死亡時間;
我們知道,16S rRNA基因檢測技術是病原菌檢測和鑑定的一種強有力工具。
附:英文文獻出處。。。Microbiome Data Accurately Predicts the Postmortem Interval Using Random Forest Regression ModelsDOI: 10.3390/genes9020104
閱讀更多 陶田園原生態食品 的文章