10.16208/j.issn1000-7024.2017.09.026
基于层次修剪和加权投票的图像隐写分析
针对用于图像隐写分析的集成分类器集成规模较大,集成方法未体现基分类器之间预测性能的差异等问题,提出一种基于层次修剪和加权投票的图像隐写分析算法.利用Bagging(bootstrap aggregation)算法得到若干基分类器,使用基于差异度的层次修剪算法对基分类器进行选择性集成,剔除部分基分类器,提高分类器整体分类精度与整体差异度,根据Fisher距离计算各基分类器的投票权值,基于加权投票机制进行集成判决.实验结果表明,与传统完全集成的集成分类器相比,该算法减少了2/3的基分类器数量,降低了5%的检测错误率,在选择性集成的速度上,优于基于遗传算法的集成分类器.
隐写分析、集成分类器、层次修剪、加权投票、差异度
38
TP391(计算技术、计算机技术)
国家自然科学基金项目61379152
2017-10-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
2432-2437