基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种新的小波包分解算法,该算法只对图像的低频部分进行分解,从而大大减少了特征向量的维数,提高了运行效率.在模式分类上采用了支持向量机的算法,实验证明,该算法与Fisher线性判别算法相比,其检测率明显提高.
推荐文章
基于支持向量机的瑕疵检测算法
瑕疵检测
支持向量机
灰度直方图
基于小波包分解和支持向量机的机械故障诊断方法
小波包分解
能量谱
支持向量机
故障诊断
多故障分类器
一类基于小波包分解的彩色图像隐秘检测算法
隐秘检测
小波包分解
彩色预测模型
基于支持向量机的机场检测算法
机场检测
支持向量机
直线检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波包分解和支持向量机的图像隐秘检测算法
来源期刊 计算机工程 学科 工学
关键词 隐秘检测 小波包分解 特征向量 支持向量机
年,卷(期) 2005,(1) 所属期刊栏目 基金项目论文
研究方向 页码范围 60-62
页数 3页 分类号 TP391.41
字数 3910字 语种 中文
DOI 10.3969/j.issn.1000-3428.2005.01.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨晓元 武警工程学院电子技术系网络与信息安全重点实验室 213 716 12.0 15.0
2 王志刚 武警工程学院电子技术系网络与信息安全重点实验室 6 11 2.0 3.0
3 秦晴 武警工程学院电子技术系网络与信息安全重点实验室 5 28 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
隐秘检测
小波包分解
特征向量
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导