|
|||||
|
|
| 基于改进支持向量机的高维隐写盲检测方法 | |
| 引用本文： | 何凤英,钟尚平,肖玉麟.基于改进支持向量机的高维隐写盲检测方法[J].计算机工程,2015(6). |
| 作者姓名： | 何凤英 钟尚平 肖玉麟 |
| 作者单位： | 福州大学数学与计算机科学学院,福州,350002 |
| 摘 要： | 针对高维大样本空间中支持向量机( SVM)存在计算复杂度高、分类精度低等问题，在随机子空间方法与主成分分析方法的基础上，提出一种特征加权支持向量机的高维隐写盲检测方法。通过随机子空间对原始高维样本的特征空间进行随机采样，产生多个低维的特征子集，在特征子集中采用主成分分析法进行特征提取，并利用卡方统计计算特征权重，运用特征加权核函数训练各基SVM分类器，并用多数投票法融合各基分类器结果得到最终分类结果。对HUGO隐写算法的实验结果表明，该方法能有效降低SVM计算复杂度，与传统方法相比，具有较高的隐写检测率和更快的分类速度。 |
| 关 键 词： | 隐写检测 随机子空间方法 主成分分析 支持向量机 高维特征 |
High-dimensional Steganography Blind Detection Method Based on Improved Support Vector Machine |
|
| HE Fengying,ZHONG Shangping,XIAO Yulin.High-dimensional Steganography Blind Detection Method Based on Improved Support Vector Machine[J].Computer Engineering,2015(6). | |
| Authors: | HE Fengying ZHONG Shangping XIAO Yulin |
| Abstract: | |
| Keywords: | stego-detection Random Subspace Method( RSM) Principal Component Analysis( PCA) Support Vector Machine( SVM) high-dimensional feature |
| 本文献已被 万方数据 等数据库收录！ | |