基于聚类与TSVM融合的图像通用隐写检测算法

摘要：

基于直推式支持向量机(TSVM)的图像通用隐写检测的主要缺陷是需要预先设置待训练的未标记样本中的正负样本数，和已标记的样本很少时性能下降，为此本文提出聚类与TSVM融合的算法。该算法通过聚类估计总体训练样本的正负样本比例，按这个比例扩充已标记样本，最后用TSVM进行训练。实验结果表明，本文方法比TSVM具有较好的检测正确率。当训练集中有标记样本和无标记样本中的正负样本比例不同时，本文方法比TSVM具有更好的时间效率。在与监督学习算法SVM的比较中，本文方法的检测效果接近于sVM。

关键词： 通用隐写检测 支持向量机 聚类估计 总体训练样本 监督学习

作者: 方昕 钟尚平

作者单位: 福州大学数学与计算机科学学院,福建福州 350108 福州大学数学与计算机科学学院,福建福州 350108　福建省超级计算中心,福建福州 350108

会议类型: 国内会议

会议名称: 全国第20届计算机技术与应用(CACIS)学术会议

会议地点: 南宁

会议语种:中文

页码: 511-516

在线出版日期: 2009-07-17（万方平台首次上网日期，不代表论文的发表时间）