极限学习机在图像隐写分析中的应用 (2014年)

【文件属性】：
文件名称：极限学习机在图像隐写分析中的应用 (2014年)
文件大小：409KB
文件格式：PDF
更新时间：2021-05-13 22:49:51
工程技术 论文 为了有效提高图像隐写分析的检测正确率和速度，特结合单隐层前馈神经网络(SLFN)的特点，提出了一种基于极限学习机(ELM)的隐写分析方法．该方法首先根据Fridrich提出的多域特征提取算法从图像DCT域和空域中提取特征；得到193维原始特征；然后使用“主成份分析”法将其约简至18维；最后采用极限学习机作为分类方法构造隐写分析算法．实验表明，与目前隐写分析算法中广泛使用的支持向量机(SVM)相比，极限学习机参数调节少，学习速度快，以较少的隐层节点数取得了与SVM相似的检测正确率，能够实现针对各类JPEG图