在塑鋼防火窗的生產過程中，為了降低生產成本，滿足不同的建筑需求，不同廠家、同一廠家的不同系列、同一廠家的不同批次的塑鋼窗所用填料的種類和比例可能會有所不同，為塑鋼窗的檢測提供了理論依據。

　　為了使X射線熒光光譜檢測塑鋼窗的分類結果越為合理，減少樣本光譜數據的維數，并選擇主成分分析法保留塑鋼窗樣本X射線熒光光譜數據的大部分信息，將主成分分析提取的因子作為變量進行層次聚類和K-means快速聚類，對40個樣本進行分類，然后使用判別分析進行相互驗證。同時，得到了較好的聚類數。在判別分析圖中，可以直觀地看到各類樣本中心的位置關系，從而實現未知樣本的類別判斷，進而判斷未知樣本的制造商、來源等信息。該方法可為相關部門檢驗此類物證提供幫助。結論是：

　　（一）試驗中，使用X射線熒光光譜儀對來自不同制造商、同一制造商不同系列、同一制造商不同批次的40個塑鋼防火窗樣品進行了測試。40個塑鋼窗樣品光譜數據中Pb、Cu、Zn、Ti、V、Fe、Ba、Br、Cl和Bi的質量分數不同，可用于不同制造商、同一制造商的不同系列和同一制造商的不同系列。該方法快捷、正確、無損，可協助相關部門核對物證；

　　（二）為了減少聚類分析中使用的變量，利用SPSS分析軟件對拉曼光譜數據進行主成分分析，具體提取4個因子，累計貢獻率達88.1%。在減少變量的同時，保存了大量的信息；

　　（三）以提取的三個因子為變量，進行層次聚類和K均值快速聚類分析。40個紙杯樣品分為28類。描述了k-means算法下28類變量的終端聚類中心位置。根據未知塑鋼防火窗碎片樣品的XRF檢測結果，進行分類研究，進而推斷未知樣品的制造商和來源；

　　（四）在相關判別分析中，判別分析圖中描述了28個變量的類中心。28個變量的類中心可以很好地區分。各觀測點分布相對集中，證明了聚類結果的合理性。