基于优化特征加权支持向量机的隐写分析方法  

Steganalysis method based on optimized feature weighted SVM

作　　者：汪海涛 张卓[2] 杨晓元[1,2] 林志强 

机构地区：[1]武警工程大学电子技术系网络与信息安全研究所,西安710086 [2]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,西安710086

出　　处：《计算机应用研究》2013年第7期2105-2107,2127,共4页Application Research of Computers

基　　金：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)

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。In order to solve the problem that the features dimensionalities extracting was too high and lack of independence,this paper proposed a new support vector machine based on dimensionality reduction and feature weighting.It adopted algorithms of principle component analysis（PCA） and information gain（IG） to accomplish images feature optimizing and acquire its weight matrix.Then it provided a new classification,optimized feature weighted support vector machine.Compared with currently widely used C-SVM classification in steganalysis,the experiment result proves that it is an effective method to reduce complexity of time.The algorithm has effective capability in steganalysis.

关 键 词：隐写分析 主成分分析 信息增益 特征优化 特征加权 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]