利用高光谱成像技术,共采集了 10种黑色签字笔墨水在400nm～1000nm范围内的469条光谱用于建模和预测分析.建模分析结果表明:直接基于降维方法如线性判别分析(LDA)、偏最小二乘判别分析(PLS-DA)和核偏最小二乘判别分析(kPLS-DA)的分类模型在数据集中表现不佳,预测集分类准确率分别为79.88％、79.29％和79.88％.支持向量机(SVM)和一维卷积神经网络(1D-CNN)算法建立的分类模型能够将分类准确率分别提升至83.43％和88.16％;基于偏最小二乘判别分析(PLS-DA)和线性判别分析(LDA)先进行降维,再与SVM结合形成的PLS-SVM和LDA-SVM策略,比单独使用PLS-DA、LDA和SVM所建立的模型具有更高的分类准确率;将偏最小二乘判别分析(PLS-DA)、LDA和主成分分析(PCA)降维后的数据进行合并,再建立SVM模型能够将分类准确率提升至最高的91.72％,其预测结果的Cohen's KAPPA系数也能够达到0.9075.对此,利用先线性降维再结合SVM建立分类模型的方法是几种分类方法中的最优策略,能够对不同品牌和类型的黑色签字笔的快速、准确的鉴别,为笔迹检验、变造文件检验提供了一种科学、准确和无损的检验方法.