一种结合旋转森林变换与多分类器集成的隐写分析算法

摘要：

针对图像隐写分析中,集成分类器的基分类器精度较低、分类器种类单一的缺点,提出一种结合旋转森林变换与多分类器集成的隐写分析算法.首先随机生成若干特征子空间并与训练样本组成不同的样本子集,然后对每个样本子集使用旋转森林算法训练费歇尔线性分类器、极限学习机与支持向量机三种分类器,并通过加权投票的方式将三种分类器集成为一个基分类器.最后将各基分类器分类结果使用简单投票法进行集成.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集成极限学习机分类器相比,该算法降低了3.2%与1.1%的误检率,能够有效提升集成分类器的检测精度.

关键词：图像隐写分析、集成分类器、旋转森林、多分类器集成、加权投票

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61379152,61402531;陕西省自然科学基础研究计划项目2015JQ6231,2014JQ8358

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2297-2302