计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
10期
3045-3048
,共4页
音频隐写分析%混合核函数%特征扰动%模型扰动%加权融合%集成支持向量机
音頻隱寫分析%混閤覈函數%特徵擾動%模型擾動%加權融閤%集成支持嚮量機
음빈은사분석%혼합핵함수%특정우동%모형우동%가권융합%집성지지향량궤
audio steganalysis%flexible hybrid kernel function%feature disturbance%model manipulating%weighted fusion%SVM ensemble classifier
针对目前通用隐写分析中集成分类器泛化能力不强、检测率不够高的问题,提出一种基于混合扰动机制的集成支持向量机音频隐写分析算法.算法提取帧内音频质量测度、音频二阶差分频谱特性、改进Markov特征、小波域特征等对音频进行描述形成原始特征空间,利用特征相关性进行降维生成优化特征空间,减小计算复杂度,再利用独立成分分析法与核函数参数的随机生成同时进行特征与模型的双重扰动,生成具有差异性的个体分类器,最后利用人工鱼群算法对个体分类器的结果进行加权融合.实验表明,该算法能够提高集成分类器的泛化能力与检测率,相对于常用的OC-SVM与集成分类器算法,拥有更好的检测效果.
針對目前通用隱寫分析中集成分類器汎化能力不彊、檢測率不夠高的問題,提齣一種基于混閤擾動機製的集成支持嚮量機音頻隱寫分析算法.算法提取幀內音頻質量測度、音頻二階差分頻譜特性、改進Markov特徵、小波域特徵等對音頻進行描述形成原始特徵空間,利用特徵相關性進行降維生成優化特徵空間,減小計算複雜度,再利用獨立成分分析法與覈函數參數的隨機生成同時進行特徵與模型的雙重擾動,生成具有差異性的箇體分類器,最後利用人工魚群算法對箇體分類器的結果進行加權融閤.實驗錶明,該算法能夠提高集成分類器的汎化能力與檢測率,相對于常用的OC-SVM與集成分類器算法,擁有更好的檢測效果.
침대목전통용은사분석중집성분류기범화능력불강、검측솔불구고적문제,제출일충기우혼합우동궤제적집성지지향량궤음빈은사분석산법.산법제취정내음빈질량측도、음빈이계차분빈보특성、개진Markov특정、소파역특정등대음빈진행묘술형성원시특정공간,이용특정상관성진행강유생성우화특정공간,감소계산복잡도,재이용독립성분분석법여핵함수삼수적수궤생성동시진행특정여모형적쌍중우동,생성구유차이성적개체분류기,최후이용인공어군산법대개체분류기적결과진행가권융합.실험표명,해산법능구제고집성분류기적범화능력여검측솔,상대우상용적OC-SVM여집성분류기산법,옹유경호적검측효과.