精妙的時間判定 ---憨道

​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。

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。

​

閱讀更多 陶田園原生態食品 的文章

關鍵字: 憨道 生物技術 機器學習