基于改进Fisher准则与极限学习机集成的图像隐写分析

• 作者: 刘佳 张敏情 曹镇 牛向洲
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 隐写分析 集成分类器 基分类器 Fisher准则 极限学习机
• 年，卷（期）: 2017,（18）
• 所属期刊栏目: 论文
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP391
• 语种: 中文

摘要

集成分类器是目前图像隐写分析中广泛使用的分类器.针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法.首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系.实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏情	武警工程大学密码与信息安全保密重点实验室	112	324	8.0	11.0
2	刘佳	武警工程大学密码与信息安全保密重点实验室	44	88	4.0	6.0
3	曹镇	武警工程大学密码与信息安全保密重点实验室	6	8	2.0	2.0
4	牛向洲	武警工程大学密码与信息安全保密重点实验室	6	6	2.0	2.0