车辆行车实时目标区域特征提取及分类训练

为了实现前方车辆智能实时检测,文中提出了一种基于梯度方向直方图特征和支持向量机的前方车辆检测的区域检测算法.采用一种改进Hough变换直线检测算法提取图像感兴趣区域;对图像感兴趣区域的梯度方向直方图(HOG)特征进行了提取,利用支持向量机(SVM)训练得到的分类器进行前方车辆的检测.实验结果表明:文中提出的区域检测算法能有效实时、准确检测前方车辆;车辆检测用时较梯度方向直方图和支持向量机直接检测算法降低了30%,识别率提高了1.6%.     

MB隐写分析算法

对图像的高阶统计量进行研究,首先利用离散余弦变换(DCT)域共生矩阵、空域边界梯度能量和空域图像子块的虚特征值分解等对基于模型(MB)隐写带来的变化进行描述,然后利用支持向量机(SVM)设计了MB隐写分析算法.实验结果表明,算法在保持低虚警率的同时具有较高的检出率.     

基于人工鱼群优化SVM的声磁标签信号检测研究

为了提高声磁EAS系统的检测率,增强系统抗干扰性,研究了一种改进人工鱼群算法(IAFSA)与支持向量机(SVM)相结合的声磁标签信号检测算法(IAFSA-SVM).分析了支持向量机和传统人工鱼群算法的优势和缺陷,并提出了改进方案.实验表明:改进人工鱼群算法相比人工鱼群算法、遗传算法和粒子群算法收敛速度更快、寻优精度更高;IASFA-SVM算法相比传统的声磁标签检测算法体现出了检测率高、检测距离远和误报率低等优势,并且可以满足系统实时检测要求.     

基于轮廓波变换的隐写分析算法

基于轮廓波变换对图像表示的优良性质,提出了一种基于轮廓波变换的通用隐写分析算法。综合了轮廓波变换高频子带系数、高频子带噪声残差、高频子带特征函数高阶统计模型,利用支持向量机(support vector machine,SVM)对JSteg、Jphide、F5、Outguess等隐写算法的不同嵌入率进行分类和检测。实验结果表明基于轮廓波变换隐写分析算法对大部分隐写算法具有优良的探测性能。与传统的小波变换相比,轮廓波变换能够更有效地捕捉到图像因密信的嵌入而引起的细微变化。     

基于多重分形谱的行人检测

为了克服传统行人检测方法计算复杂度高、耗时长的问题,提出一种基于多重分形谱的行人检测方法.采用多重分形理论分析行人图像并计算对应多重分形谱,提取多重分形谱特征,选取支持向量机(support vector machine,SVM)二值分类器实现行人滑窗检测.将本文算法应用于INRIA数据库中,并与基于HOG、HOGNMF特征的算法进行比较.实验结果表明:本文算法检测率为86.59%,虚警率为7.75%,有较高的检测率和较低的虚警率.     

基于改进粒子群优化算法的短期风电功率预测

针对传统支持向量机(SVM)模型在风电功率预测中存在的参数选取问题,提出一种新的预测模型,采用改进的粒子群(MPSO)优化算法寻求SVM的最优参数模型,经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法.算例结果表明,经MPSO优化的SVM模型应用于短期风电功率预测是有效的,使其预测精度有所提高.     

基于支持向量机的短期风速预测研究综述

介绍了支持向量机(SVM)的理论基础,从两个方面归纳了目前国内外支持向量机算法在短期风速预测应用中的现状。首先,介绍了确定性支持向量机的预测方法:使用数据挖掘算法结合支持向量机的预测模型和对核函数参数改进优化的支持向量机预测模型。其次,介绍了结合模糊、粗糙和未确知等不确定性支持向量机的预测方法。对现有支持向量机在短期风速预测的应用现状介绍后,分析了SVM核函数的选取和参数优化对预测精度影响的问题,最后展望了基于支持向量机的短期风速预测研究的前景。     

图像空间域压缩感知通用隐写分析方法

根据灰度图像的纹理特征,提出一种空域压缩感知通用隐写分析(Compressive Sensing Universal Steganalysis,CSUS)方法。首先,使用方向提升小波变换(Directional Lifting Wavelet Transform,DLWT)对图像进行稀疏表示,并对稀疏系数进行直方图统计;然后,结合广义高斯分布(Generalized Gaussian Distribution,GGD)模型设计压缩感知(Compressive Sensing,CS)测量矩阵,并运用该矩阵感知稀疏系数得到CS观测值,以此作为纹理特征量;最后,通过支持向量机(Support Vector Machine,SVM)实现图像隐写的分类判断。采用5种隐写算法对4种图像数据库的图像进行隐写,利用本文提出的CSUS方法与经典的隐写分析方法进行隐写分析与对比。实验结果表明,本文CSUS方法对空域隐写具有较高精度及较好的通用性,并能够降低感知特征的维数。     

一种基于QPSO和WLS-SVM的智能方法

提出一种基于量子粒子群优化算法(QPSO)和加权最小二乘支持向量机(WLS-SVM)的智能方法,以克服常用方法存在需要较大样本数据量、建模速度较慢差等缺点.方法的具体改进是,将SVM中单一核函数构造成混合核函数,增加自适应权重,采用QPSO算法求解WLS-SVM训练模型中的线性方程组,这样能提高模型的性能.经过典型的二型糖尿病诊断实验,结果表明其建模速度快、诊断准确率高,其效果优于改进BP算法神经网络、LM算法神经网络和单核函数的SVM等方法.     

基于支持向量机的曲线重建方法

基于统计学习理论(SLT)的支持向量机(SVM)在高维空间中表示复杂函数是一种有效的通用方法，也是一种新的、很有发展前景的机器学习算法。文中简要介绍了基于支持向量机的理论，并在此基础上提出了一种基于支持向量机(SVM)的曲线重建算法，最后给出了实验，证明了该方法的有效性。     

Blind steganalysis algorithm based new calibration for JPEG images

To improve the embedding sensibility of calibrated feature in steganalysis, by studying the relationship between calibration technique and feature, a mathematical model for calibration based on the calibration classification is established, and a blind JPEG steganalysis algorithm based on the new calibration is presented. First we crop 4 pixels in the image and put forward a modified form of calibration, then the histogram characteristic is obtained according to the spatial distribution of the image features before and after calibration, and the Markov transfer probability matrix of the new calibration is calculated on the basis of redundancy. Finally, we fuse these features with the blocks feature and obtain the feature vector.Through the detection experiment of nsF5, Jsteg and MB1 algorithms with low embedding rates and among the feature vector, it is shown that this method has a better detection performance compared with those existing calibration methods. Its correctrate is more than 90％. The feature sets also show some complementary characteristics. It can be more stable and reliable in the different quality factors experiment.     

基于倒谱集成学习的语音回声隐藏分析算法

回声信息隐藏是语音信息隐藏的一种常用方法,针对语音回声信息隐藏的分析问题,提出了一种基于倒谱集成学习的隐藏分析方法.分析了回声隐藏及集成学习的原理,构建了基于倒谱AdaBoost集成学习算法的回声隐藏分析系统.对倒谱特征、倒谱一阶差分、二阶差分、梅尔倒谱特征、直方图联合特征、高阶矩特征分别采用支持向量机和AdaBoos...     

基于多特征的F5隐写分析算法

通过分析F5算法给载体图像带来的统计变化,从DCT系数直方图的变化、DCT系数0游程的增加及对图像空域像素8×8块边界不连续性的变化等方面提取了用于检测F5算法的35个特征。最后利用SVM进行分类识别。本算法结合了专用隐写分析算法特征的有效性及通用隐写分析算法的多特征识别技术,对F5信息伪装的检测尤其是对低嵌入率图像的检测有很大的提高。实验仿真部分通过多种实验条件下的实验结果说明该算法具有很好的检测效果及很强的实用性。     

基于模糊积分多分类器融合的JPEG 图像隐写算法识别

提取和恢复嵌入信息是隐写分析的最终目的,嵌入算法识别是秘密信息提取的前提。目前研究者针对隐写算法识别提出了多种隐写分析系统,但这些系统各有优缺点,因此实际应用中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别JPEG图像隐写算法。实验结果表明,相对于单个隐写分析系统,通过分类器融合后识别精度提高约5%。     

基于实验的典型隐写通用盲检测方法性能分析

现有文献中存在多种数字图像信息隐写通用盲检测方法,其检测正确率和适用的范围各不相同.基于同一实验图像库,对现有的典型隐写通用盲检测方法的性能进行了一系列实验分析.涉及到的盲检测方法包括质心法、概率密度函数矩法、特征函数矩法、共生矩阵法、两域特征联合法、三域特征综合法和基于小波包分解的检测方法等.从实验的角度给出了小波包分解特征法性能最优、多域特征提取方法更适合与BP(Back Propagation)神经网络分类器搭配使用等结论.     

基于选择性集成分类器的通用隐写分析

面对高维度的特征集和大规模的样本集,隐写分析技术对分类器的要求越来越高.在集成分类器的基础上提出了一种面向通用隐写分析的选择性集成分类器.首先基于随机森林生成若干个基分类器,然后利用基于遗传算法的选择性集成算法剔除掉个别影响整体性能的基分类器,最后根据遗传优化得到的最优权值向量赋予剩余的基分类器不同权值以用来加权投票集成.实验表明,提出的选择性集成分类器测试性能优于现有分类器,特别在基分类器数量较大、特征维数较高时与现有集成分类器相比,有效降低了检测错误率.     

基于汉明距离统计的隐写分析算法

针对LSB匹配隐写算法会改变自然图像LSB(最低有效位)序列相关性的特点,提出了"汉明距离统计"方法。在合理假设的情况下,分别对随机序列和自然图像LSB序列的汉明距离统计分布进行推导和实验,构造了能够度量二者相关性本质差异的统计量,并据此设计了适用于LSB匹配的隐写分析算法。实验结果表明算法具有较好的检测性能。     

结合重采样图像多分类的隐写分析算法

针对包含不同重采样图像和单次采样图像的混合异构图像进行隐写分析时,由于其统计特性的差异会造成隐写检测分类器中测试样本和训练样本的“失配”现象,从而降低隐写分析算法的检测性能.文章首先分析了不同插值算法和不同重采样因子的重采样图像作为训练样本和测试样本时,训练样本和测试样本“失配”对隐写分析的影响,随后构造了一种基于SVM的多分类器,用以对重采样图像进行多分类,最后提出了一种结合重采样图像多分类的隐写分析算法,降低了“失配”对隐写分析算法的影响,提高了混合异构图像环境下隐写分析算法的检测效果,并以LSBM隐写算法为例进行实验,实验结果验证了本算法的有效性.     

新的唯秘密载体信息隐藏分析方法

将图像质量度量标准进行改造并结合在一起,可以针对图像数据进行唯秘密载体（盲）信息隐藏分析,即将图像质量度量标准中的原始图像改为全白图像设计特征向量,用 SVM（支持向量机）对特征向量分类。分析过程中引入的人眼视觉系统的带通滤波性质,提高了算法准确率。实验结果表明了该方法对分析自然图像是有效的。