基于改进支持向量机的高维隐写盲检测方法

• 作者: 何凤英 肖玉麟 钟尚平
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: ?安全技术?
• 页码范围: 121-125
• 页数: 5页
• 分类号: TP309
• 字数: 4054字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.06.022

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟尚平	福州大学数学与计算机科学学院	29	152	7.0	11.0
2	何凤英	福州大学数学与计算机科学学院	21	97	4.0	9.0
3	肖玉麟	福州大学数学与计算机科学学院	1	0	0.0	0.0