基于 PCA-LDA 和 KNN-SMO 的数据碎片分类识别算法

• 作者: 傅德胜 经正俊
• 来源期刊: 软件
• 学科: 工学
• 关键词: 数据碎片 计算机取证 PCA-LDA KNN-SMO
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP393.08
• 字数: 3289字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2015.07.005

摘要

在计算机取证领域，数据碎片的取证分析已成为获取数字证据的一种重要手段。本文针对取证中数据碎片的取证问题提出了一种新的基于内容特征的数据碎片类型识别算法，该方法首先对数据碎片进行分块主成分分析PCA 后，对 PCA 特征向量进行线性鉴别分析 LDA 获取组合特征向量，然后利用 K 最邻近 KNN 算法和序列最小优化SMO 算法组成融合分类器，运用获取的组合特征向量对数据碎片进行分类识别。实验表明，该算法与其他相关算法相比，具有较高的识别准确率和识别速率，取得了良好的识别效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅德胜	南京信息工程大学计算机与软件学院	82	681	12.0	22.0
5	经正俊	南京信息工程大学计算机与软件学院	2	8	1.0	2.0