基于迁移学习的隐写分析

• 作者: 叶登攀 梅园 马方方
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 隐写检测 迁移学习 基于实例
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 23-30
• 页数: 8页
• 分类号: TP309.7
• 字数: 5715字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2017.00116

摘要

在实际应用环境下,训练集和测试集往往存在分布偏差,导致隐写分析检测效果不理想.迁移学习方法旨在从一个领域学习到的知识,来帮助完成新领域中的学习任务,不要求领域间的同分布假设.概述了当前隐写分析失配问题的研究现状,分析了引起隐写分析失配的因素,在TrAdaBoost迁移算法的基础上提出了一种基于迁移学习的隐写分析算法,改善了隐写检测过程中出现的失配问题,并通过实验验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶登攀	武汉大学计算机学院	7	37	2.0	6.0
2	马方方	武汉大学计算机学院	4	67	2.0	4.0
3	梅园	武汉大学计算机学院	2	1	1.0	1.0