[論文レビュー] Two-stage approach for the inference of the source of high-dimension and complex chemical data in forensic science

Madeline Ausdemore, Cédric Neumann+3 more|arXiv (Cornell University)|Apr 3, 2018

Forensic and Genetic Research参考文献 20被引用数 3

ひとこと要約

本稿では、FTIR分光法を用いた塗料の赤外スペクトルなど、高次元の化学的データのための2段階型カーネルベースの手法を提案し、複雑な確率モデルを必要とせず、統計的に厳密な尤度なしのベイズ的推論を可能にする。この手法はカーネル関数を用いて複雑な高次元データを処理し、特に希少な源の特徴を持つ場合に塗料証拠が顕著な証拠的価値を持つことを示している。

ABSTRACT

Forensic scientists are often criticised for the lack of quantitative support for the conclusions of their examinations. While scholars advocate for the use of a Bayes factor to quantify the weight of forensic evidence, it is often impossible to assign the necessary probability measures to perform likelihood-based inference for high-dimensional and complex data. To address this issue, we revisit a two-stage inference framework and leverage the properties of kernel functions to offer a method that allows for statistically supporting the inference of the identity of source of sets of trace and control objects by way of a single test. Our method is generic in that it can be easily tailored to any type of data encountered in forensic science or pattern recognition, and our method does not depend on the dimension or the type of the considered data. The application of our method to paint evidence shows that this type of evidence carries substantial probative value. Finally, our approach can easily be extended to other evidence types such as glass, fibres and dust.

研究の動機と目的

• 塗料、ガラス、繊維のスペクトルのような高次元で複雑な化学的データにおける法医学的源特定の分野で、定量的根拠の欠如に対処すること。
• 複雑なデータのための明示的な確率モデルを必要とせず、ベイズ的推論を可能にする統計的に厳密な尤度なしの推論フレームワークを構築すること。
• 通常のケースワークで見られる小規模なサンプルサイズ（例：3～10件の観察）を前提とし、広範な訓練データを必要としない実用的な法医学的推論を可能にすること。
• 実際の塗料証拠のFTIRデータを用いて、本手法の適用可能性と証拠的価値を示すこと。
• 塗料にとどまらず、ガラス、繊維、ほこりなど多様な法医学的証拠種別に適用可能な汎用的かつ拡張可能なフレームワークを提供すること。

提案手法

• 本手法は、Parker（1966）が提唱した2段階型推論フレームワークを再解釈し、カーネル関数を用いることで、高次元で多様なデータタイプのデータに対し統計的推論を可能にする。
• トレースとコントロールオブジェクト間の類似度をカーネル関数で計算し、データタイプや次元に依存しない不変な検定統計量の基礎を形成する。
• データ次元の増加に伴い一貫性を保証するための、1つの主要な仮定に依存している。この仮定はカーネル設計によって満たされる。
• パラメータの不確実性を扱えるアルゴリズムを用いて、モデルパラメータの事後分布を効率的にサンプリングし、頑健な推論を実現する。
• 従来の尤度ベースの推論に代えて、カーネルベースの検定統計量をフレームワークに組み込むことで、確率測度を割り当てるのが不実行な場合でも推論が可能になる。
• カーネル関数を変更することで、成分データ、連続データ、離散データを含む、任意のデータタイプに適応可能な汎用的で、拡張可能な手法である。

実験結果

リサーチクエスチョン

• RQ1 2段階型推論フレームワークを、高次元の法医学的化学的データに対する統計的に厳密で尤度なしの推論に適応できるか？
• RQ2 従来の尤度ベースの推論がデータの複雑さのため不適切となる状況において、提示されたカーネルベースの手法が信頼性のある源特定を可能にするか？
• RQ3 FTIRスペクトルで特徴づけられる塗料証拠の証拠的価値は何か？また、源の特徴が希少な場合にその価値はどのように変化するか？
• RQ4 本手法は、ガラス、繊維、ほこりなどの他の法医学的証拠種別に拡張可能か？
• RQ5 小規模なサンプルサイズや限られたバックグラウンドデータといった通常のケースワークの制約下で、本手法の性能はいかがなものか？

主な発見

• 提示された手法は、従来の尤度ベースの推論が不適切となる高次元の化学的データ（例：塗料のFTIRスペクトル）に対し、統計的に厳密な推論を実現できた。
• 塗料のFTIRスペクトルには、異なる源由来のサンプルを効果的に区別できる高精度な情報が含まれている。
• 源の特徴が希少である場合、塗料証拠の証拠的価値は顕著に高くなることが示され、希少な特徴が法医学的区別を強化することを示している。
• 通常の法医学的ケースワークで見られる小規模なサンプルサイズでも、本手法は良好な性能を示し、実世界の応用に適している。
• 2段階型カーネルベースのフレームワークは、塗料、ガラス、繊維、ほこりを含む多様な法医学的証拠種別に適用可能な頑健で汎用的なソリューションを提供する。
• 本手法は、長年にわたり法医学科学が直面してきた統計的根拠の欠如に対する批判に応える、定量的で証拠に基づく源特定へのシフトを支援する。