【摘 要】
：
为解决当前隐写分析中存在的特征选取维数过高、独立性较差的问题,提出了一种新的基于降维处理的特征加权的支持向量机隐写分析方法。采用主成分分析及信息增益算法进行特征优化及特征加权,然后提出一种新的支持向量机分类器——优化特征加权支持向量机。通过与目前隐写分析中广泛使用的C-SVM分类器进行对比实验,结果表明,该方法能够有效降低分析算法的时间复杂度,具有高效的隐秘检测能力。
【机 构】
：
武警工程大学电子技术系网络与信息安全研究所,武警工程大学电子技术系网络与信息安全武警部队重点实验室
【基金项目】
：
国家自然科学基金资助项目（61103230）,陕西省自然科学基金基础研究资助项目（2012JM8014）
论文部分内容阅读
为解决当前隐写分析中存在的特征选取维数过高、独立性较差的问题,提出了一种新的基于降维处理的特征加权的支持向量机隐写分析方法。采用主成分分析及信息增益算法进行特征优化及特征加权,然后提出一种新的支持向量机分类器——优化特征加权支持向量机。通过与目前隐写分析中广泛使用的C-SVM分类器进行对比实验,结果表明,该方法能够有效降低分析算法的时间复杂度,具有高效的隐秘检测能力。
其他文献
为了提高软件可靠性分配的有效性,提出了一种基于层次和数据流驱动的软件可靠性分配方法。该方法对传统的重要度、复杂度度量方法进行改进;针对软件系统开发初期体系结构中系统模块层次关系及模块间数据流关系进行抽象,形成体系结构形式化定义,建立可靠性因子的度量准则及度量模型,依据度量模型对可靠性进行分配。最后结合实例进行了分析和验证,结果表明了该分配模型的有效性和可行性。
Keccak杂凑函数是通过SHA-3最后一轮筛选的五个杂凑函数之一。通过对Keccak杂凑函数的非线性环节进行研究,提出了n元Keccak类非线性变换,并逐比特分析了其变换规律,通过分类研究,给出了两个原象不相等时,象不相等的充分条件和象相等的必要条件;进一步证明了当n为奇数时,n元Keccak类非线性变换是一个置换;当n为偶数时,不是一个置换。最后,证明了当n为奇数时,n元Keccak类非线性变
针对MPSK信号的码元速率估计问题,研究了有限数据条件下循环谱的谱线特征受到背景色噪声干扰的现象,提出了一种基于主分量分析(PCA)的循环谱特征码元速率估计方法。PCA变换抑制了信号循环谱中的背景色噪声,提高了估计精度,减小了估计方差。仿真表明,该方法在有限数据条件下具有良好的估计性能,适用于不同成形滤波系数的MPSK信号。
D-S证据理论不能很好地描述证据之间的冲突,而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题,提出了一种改进的证据合成方法。首先建立余弦相似度空间,利用证据向量之间的夹角余弦度量证据相似性程度,通过冲突证据检测因子对其进行分类;然后引入冲突比例因子决定证据的修正方法,利用相似度对其进行局部修正或全局修正;最后将修正后的证据代入D-S公式进行合成。应用实例证明,该方法能够判定冲突证据,实现
为了研究复杂云资源在巨大资源池中快速定位和查找问题,结合分布式对等技术资源定位的优势,提出分层的HChord云对等模型,通过提取云资源多维属性特征向量构建资源查询索引和相似资源聚类,建立全局与局部索引及缓存机制,并独到地提出依赖备份超级节点数来控制索引缓存率的方法。仿真实验表明,HChord模型比HTC-Chord模型在资源定位时需要更短的平均路径长度;验证HChord模型下不同索引缓存率对资源定
S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度。为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能。
针对NP-hard性质的作业车间调度问题,设计了一种改进的离散粒子群优化算法。引入遗传算法交叉算子和变异算子来实现粒子的更新,并将变异思想和模拟退火算法思想融入该算法中对全局最优粒子的邻域进行局部搜索,很好地防止了算法出现早熟收敛。通过将该算法和标准粒子群优化算法用于求解典型JSP,计算结果对比表明,改进的算法具有很强的全局寻优能力;就综合解的质量和计算效率而言,改进算法优于标准粒子群优化算法。同
交通堵塞现象越来越威胁正常的城市交通,针对选择最短路径的出行方案往往不能取得最短的出行时间的现象,提出了一种交通拥塞自适应的出行计划方案。该方案克服了现有方案在规划出行路线时未能考虑行车过程中实际交通状况的缺点,根据车辆在各路段行驶的平均通过时间来判断路段当前的拥塞状况,并动态优化行车路线,从而提高交通效率。仿真实验表明该方案能够自适应路段的交通拥塞,根据当前拥塞状况重新优化行车路线,从而缩短平均
主要研究了SSS检测,提出一种新的SSS检测算法。该算法首先利用滑动平均窗修正接收的PSS处估计出的信道频率响应,并用修正后的信道频率响应对接收的SSS序列进行信道补偿;其次,算法对信道补偿后的序列进行实数提取操作,消除虚部数据干扰;最后算法联合两个连续的SSS接收序列进行检测进一步提高检测性能。TDD和FFD两种模式下的仿真结果表明:该算法可以较好地实现SSS检测且比现有几种SSS检测算法在低信
鉴于使用单一特征无法获得令人满意的分类效果以及SVM在小训练样本时具有良好的分类性能,提出了基于多种目标分解方法和SVM的极化SAR图像分类方法。首先对原始极化SAR图像使用多种目标分解方法进行处理,得到相应的分量信息,然后在极化SAR图像特征提取的基础上将SVM应用于极化SAR图像分类。通过选取不同的特征信息作为支持向量机的输入,比较其对分类性能的影响,得到最优的用于分类的特征信息组合,其中将相