基于随机蕨的集成分类图像隐写分析算法

发布时间：2017-11-26 05:29

  本文关键词：基于随机蕨的集成分类图像隐写分析算法

  更多相关文章： 信息隐藏 隐写分析 随机蕨 集成学习

【摘要】：提出了一种基于随机蕨(random ferns)和集成学习的图像隐写分析算法。首先利用图像高维特征构建蕨特征,采用成对采样策略构造样本子集,生成若干个基分类器;然后计算出训练样本在基分类器中各个蕨的先验概率并集成各个基分类器,进行隐写检测判别。实验结果表明,本文算法复杂度低,能有效降低隐写检测错误率。
【作者单位】： 武警工程大学研究生管理大队;武警工程大学电子技术系;
【基金】：国家自然科学基金(61379152,61403417,61402530) 陕西省自然科学基金(2014JQ8301)资助项目
【分类号】：TP391.41;TP309
【正文快照】： 1引言图像隐写检测分析是信息安全研究热点之一。现阶段,基于统计的隐写分析方法主要通过有监督的分类器来实现。其中,提取对嵌入信息敏感的统计特征和设计性能良好的分类器是两个重要的环节[1~5]。Pevny等[6]融合了Shi[7]的马尔科夫转移概率矩阵特征,提出了一种多类分类隐写

【相似文献】

中国期刊全文数据库 前10条

1 陈华;魏连;郑志娴;许榕生;;基于集成学习的网络取证模型[J];福建电脑;2007年10期

2 时雷;虎晓红;席磊;段其国;;集成学习技术在农业中的应用[J];安徽农业科学;2008年26期

3 周绪川;钟勇;;集成学习分布式异常检测方法[J];计算机工程与应用;2011年18期

4 牛小飞;马军;马少平;张冬梅;;基于遗传规划集成学习的网络作弊检测[J];中文信息学报;2012年05期

5 文益民;李健;杜飞明;陈方;;集成学习算法在不平衡分类中的应用研究[J];计算技术与自动化;2009年02期

6 游生福;汪荣贵;戴经成;张冬梅;;自适应嵌套级联的在线集成学习方法研究[J];计算机工程与应用;2014年05期

7 孙建文;杨宗凯;刘三(女牙);王佩;;基于集成学习与遗传算法的网络书写纹识别研究[J];计算机科学;2011年06期

8 孔英会;景美丽;;基于混淆矩阵和集成学习的分类方法研究[J];计算机工程与科学;2012年06期

9 文益民;王耀南;;基于训练集平行分割的集成学习算法研究[J];小型微型计算机系统;2009年05期

10 何鸣;李国正;袁捷;;医学诊断中集成学习技术的研究[J];计算机工程与应用;2006年28期

中国重要会议论文全文数据库 前2条

1 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

中国博士学位论文全文数据库 前4条

1 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

2 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

3 孙永宣;集成学习下的图像分析关键问题研究[D];合肥工业大学;2013年

4 刘增荣;视听觉情感语义相干及应用研究[D];太原理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 李震宇;基于集成学习的数字图像隐写定量分析[D];解放军信息工程大学;2014年

2 陈范曙;基于信息整合的药物相关信息挖掘方法研究[D];华东师范大学;2016年

3 杜连平;基于集成学习技术的图像分类算法研究[D];江西理工大学;2013年

4 邱涛;集成学习技术在智能导学系统中的研究与应用[D];江西理工大学;2010年

5 李想;基于多示例的集成学习理论与应用研究[D];合肥工业大学;2014年

6 王双玲;基于集成学习和深度学习的应用研究[D];山东大学;2014年

7 桂稳莉;面向跨语言文本挖掘的集成学习关键问题研究[D];北京交通大学;2015年

8 游生福;在线集成学习方法及其在视频目标检测中应用研究[D];合肥工业大学;2013年

9 周波;基于集成学习的不平衡数据分类的研究及应用[D];大连理工大学;2014年

10 宋海燕;基于集成学习的不平衡数据分类[D];西安电子科技大学;2014年

，

本文编号：1228737