基于选择性集成分类器的通用隐写分析

• 作者: 刘佳 张敏情 狄富强
• 来源期刊: 四川大学学报（工程科学版）
• 学科: 工学
• 关键词: 隐写分析 集成分类器 选择性集成 遗传算法 加权投票
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 第八届中国可信计算与信息安全学术会议(CTCIS 2014)推
• 页码范围: 36-41
• 页数: 6页
• 分类号: TP309
• 字数: 4904字
• 语种: 中文
• DOI: 10.15961/j.jsuese.2015.01.005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏情	武警工程大学电子技术系网络与信息安全武警部队重点实验室	112	324	8.0	11.0
5	刘佳	武警工程大学电子技术系网络与信息安全武警部队重点实验室	44	88	4.0	6.0
9	狄富强	武警工程大学电子技术系网络与信息安全武警部队重点实验室	6	12	2.0	3.0