基于互信息和特征融合的图像隐写分析

为了提高隐写分析的检测率和效率,本文提出了一种加权融合的联合图像专家小组JPEG(joint photographic experts group)图像通用隐写分析方法.该方法分别计算离散余弦变换DCT(discrete cosine transform)系数块内和块间的水平、垂直和zigzag三向差分数组,采用联合概率密度矩阵来挖掘信息嵌入对DCT系数间相关性的影响,生成块内和块间三向特征.利用特征与分类类别间的互信息对特征权值进行量化,加权融合得到最终的特征向量,并使用支持向量机进行分类.对3种安全性较高的JPEG隐写算法F5、Outguess和MB2,在不同嵌入率下进行隐写分析.实验结果表明,在不同嵌入率的情况下其检测率均高于88.4%,同时特征融合算法使该方案具有更高的检测效率.     

基于三元矩阵的层次分析多分类模型

针对支持向量机解决多分类问题时二分类向多分类扩展过程中的效率降低和数据集倾斜问题,提出了一种基于三元矩阵和层次分析的多分类模型的构造方法,优化支持向量机的多分类效果和效率,弥补1vs1、ECOC等主流算法的不足。该模型通过建立一种简单有效的获取样本集线性可分性构造分类器,从而减少支持向量机在处理多分类时的运算复杂程度。采用了UCI标准数据库中的Iris,Breast Tissue和Statlog等数据集对模型进行训练测试,测试结果表明所提出模型是有效的,尤其在大量数据下多分类的有效性。 更多还原     

基于SVM土壤重金属污染评价的训练数据集构建

支持向量机(support vector machine,SVM)用于土壤重金属污染评价时,其训练数据集的构建对模型准确性影响重大。本文对依据土壤环境质量国家标准生成数据集的方法(国标法)进行改进,提出实际测量数据集生成方法(实测法),并在实测法样本中添加国标法样本扩大训练数据集,进一步提高模型分类准确率。结果表明:对同一组实测样本进行分类,国标法模型准确率(53. 33%)低于实测法模型准确率(75. 56%);扩大后的数据集训练所得模型与实测法模型相比,分类60个实测样本时,准确率由88. 33%提高至98. 33%,分类45个实测样本时,准确率由75. 56%提高至82. 22%。     

一种面向AMR的音频隐写分析算法

针对现有的对固定码本搜索得到的非零脉冲位置进行调制来嵌入秘密信息的AMR(adaptive multirate)隐写算法,提出一种相同脉冲位置概率(SPP)特征的隐写分析方法.由于载体音频和载密音频在固定码本编码过程中,同轨道两个脉冲位置选取策略的不同,因此可以在解码端计算每一轨道第一个和第二个脉冲在整段音频信号中选择同一位置的概率值,以此作为分类特征并用支持向量机SVM进行训练分类.实验结果表明,本文算法在相对嵌入率高于30%时,检测正确率高于85%,对载体音频的检测正确率可以达到90%以上.     

基于主分量分析的针对QIM-JPEG2000隐写的分析方法

QIM-JPEG2000作为以JPEG2000图像为载体的最新隐写术,采取设置恒域的方式,保持了小波系数的直方图,很好地抵御了基于直方图攻击的隐写分析方法.针对这种隐写术,提出了一种基于JPEG2000图像小波系数主分量分析的隐写分析方法.该算法在JPEG2000图像三级小波系数上进行主分量变换,分析主分量的统计特征在信息隐写前后的变化,提取小波系数主分量的均值、方差、斜度、峰值和熵组成特征向量,利用支持向量机进行载体图像和载密图像的分类,从而检测出JPEG2000图像是否嵌入了秘密信息.实验表明了本方法的可行性.     

基于二叉树的多类SVM在Web文本分类中的应用研究

针对现有多分类支持向量机算法所存在的训练时间长、判别速度慢等问题,提出了一种二叉树多类支持向量机算法,该算法能够有效减少支持向量的个数,从而减少训练时间.为了验证算法的有效性,将该算法分别同l-v-r算法和l-v-1算法进行了比较,实验结果表明,提出的算法是有效可行的.     

一种基于辐角的加性模型隐写分析算法

图像隐写分析理论研究越来越受到重视,分析特征的有效性的理论证明已成了隐写分析不可缺少的部分.本文根据图像在加性隐写模型下,隐写图像差分直方图傅里叶变换辐角等于载体图像差分直方图傅里叶变换辐角与秘密信息差分概率质量函数PMF(probability mass function)傅里叶变换辐角之和这一理论基础,提出一种新的隐写分析算法.根据隐写前后图像差分直方图傅里叶变换辐角的差异构造极大辐角矩最低有效位MSA(max sum of arguments)作为特征,从理论上对该特征的有效性进行证明,然后对典型的加性隐写算法LSB(least significant bit)替换算法和扩频图像隐写SSIS(spread spectrum image steganography)算法进行分析,在非压缩彩色图像库UCID(uncompressed colour image database)V2标准图库下进行仿真实验.实验结果表明,本算法对加性隐写模型具有很好的检测效果.     

基于相邻系数关系对的偏序马尔可夫JPEG隐写分析模型

在偏序Markov的基础上,以相邻DCT系数间关系对为统计对象,提出一种新的JPEG偏序隐写分析模型.在模型的无环有向图中,将相邻系数关系对作为终点集合,而系数本身作为始点集合.与原偏序分析模型相比,此终点集合的统计空间对DCT系数关系的分布规律有更直接的描述,并且始点集缩小,每个始点对应的终点数增加,使特征的信息熵上升,有助于分类效果.本文综合了系数间相关性较强的两个方向的统计值,采用像素裁剪重压缩进行图像校准,把待测图像与校准图像的统计概率之差作为特征.对3种代表性的DCT域隐写方法F5、MB1和Steghide进行隐写分析测试,实验结果表明:改进后的特征比原模型特征更有效,针对这3种隐写算法的检测效果,本文特征优于现有的单一模型低维特征.     

基于熵的视频运动矢量隐写分析算法

利用运动矢量隐写对相邻运动矢量相似性的扰乱作用,提出一种基于信息熵的视频运动矢量隐分析算法.在视频帧的滑动窗口中选取运动矢量,并分别对水平分量H、垂直分量V、方向D以及长度L等4个系数进行熵值计算以描述相似度.通过移动帧内滑动窗口位置,计算各窗口内运动矢量的熵均值矩阵,构造了16维的运动矢量HVDL特征.为了评估本文HVDL特征的表现,将HVDL与AoSO对比,对不同时期4种嵌入算法的样本进行了隐写分析实验,实验结果表明HVDL对当前安全性更高的隐写算法的检测准确率比AoSO高,且特征运行速度更快.     

基于多样本的在线支持向量回归算法

提出一种针对多样本的在线支持向量回归（SVR）算法,以解决目前SVR在线训练算法每次只能处理1个样本的问题．算法以拉格朗日乘数法和库恩一塔克（KKT）条件为基础,逐步改变样本的系数,并在每次迭代中保持原来的样本满足KKT奈件,最终使所有训练样本满足KKT条件．实验表明,该方法可有效更新SVR模型,且计算效率相比于基于单样本的在线回归算法有较大的优势．     

一种基于速度强度熵与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容,文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法.该算法采用LBPCM算法提取图像纹理特征,在视频帧计算光流基础上,获得特征点速度强度图,并以其熵VMME作为场景运动特征,将场景纹理特征和运动特征送入支持向量机训练分类.实验表明,新算法可实现对人群异常行为的检测,且有较高准确率.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

一种启发式的支持向量机多分类层次树结构构造方法

支持向量机在处理大样本数据多分类问题时,往往会出现数据集偏斜、基分类器过多、编码方法适应性差等问题,从而导致精度和效率大幅下降。本文提出了一种启发式的支持向量机多分类层次树结构构造方法,构造出由若干子分类器协同计算的多分类层次树结构,一定程度上改善了基分类器过多、数据集偏斜、数据训练时间过长等问题。通过实验证明,该方法与常规方法相比,具有更优秀的精度和效率,在处理大样本、多特征数、多类别的样本分类时,优势更加明显。本研究方法为支持向量机多分类方面的研究提供了一种新的思路,对于本体领域内的分类和回归问题的研究也具有一定的理论参考意义。     

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010-2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。更多还原     

一种改进的H.264视频防失真漂移隐写算法

数字视频中量化后的残差DCT(离散余弦变换)系数常用来作为隐写嵌入的位置,而直接在DCT域上隐写会导致视频帧出现失真漂移现象,使视频质量受到严重破坏.本文在已有文献的基础上,针对H.264/AVC视频,研究了基于纹理特征的帧内8×8亮度块上的隐写模型,将8×8块和4×4块上的隐写模型相结合,提出了一种改进的H.264视频防失真漂移隐写算法.与已有文献中的隐写算法相比,本文提出的隐写算法在PSNR平均仅降低1.94dB的情况下,隐藏容量平均提升30%.     

支持向量机在小样本识别中的应用

针对癌症细胞诊断过程中样本采集困难，数目偏少的实际情况，在癌症的早期诊断中引入了一种新的模式识别方法——支持向量机．该方法基于统计学习理论的原理，较好地解决了小样本的学习分类问题，通过对具有不同性状的癌前增生细胞进行分类识别验证，支持向量机取得了较传统分类方法更好的识别效果。     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

基于最优脉冲和脉冲相关性的AMR自适应隐写算法

由于AMR(adaptive multimedia rate)语音在无线通信及移动互联网中的广泛应用,基于AMR压缩域的隐写算法已经逐渐出现.现有隐写算法具有明显的统计分布特性,因此其无法抵抗后继出现的多种隐写分析算法的检测.为了提高隐蔽性和统计安全性,本文提出了一种针对AMR固定码本(FCB,fixed codebook)的自适应隐写算法(简称为AFAS算法).基于AMR固定码本最优搜索原理和非零脉冲位置相关性,设计了嵌入代价函数和加性失真函数,并结合STC编码(syndrome-trellis codes)实现了AFAS算法.在12.2kb/s编码模式下,AFAS算法隐写后载密语音质量的PESQ(perceptual evaluation of speech quality)值较现有算法提高约8%;在抗隐写分析的能力方面,其平均检测错误率(TER)较现有隐写算法提高约10%.对比实验结果表明,AFAS算法较现有算法具有更好的听觉隐蔽性和统计安全性.     

2个SVM霾识别预报模型的对比试验

支持向量机方法（SVM）是基于统计学理论的一种较为新颖的学习方法,应用该方法解决小样本条件下的非线性问题既有坚实的理论基础,也十分有效.基于2013～2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据,采用SVM分类方法建立2个金华SVM霾识别预报模型,即初始模型和订正模型,并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上,均高于订正模型,故初始模型分类结果较为理想,可以给实际霾日识别预报提供参考;（2）初始模型的分类结果优于订正模型,且前者的漏报次数明显少于后者,究其原因可以发现14:00气象条件和大气污染物条件对当日是否为霾日的判断非常重要,即14:00前后是灰霾出现比较频繁的时段.