基于特征融合的加权SVM音频隐写分析算法  

Based on feature fusion weighted SVM audio steganographic analysis algorithm

作　　者：鲜研 潘峰[1] 申军伟 

机构地区：[1]武警工程大学电子技术系,陕西710086

出　　处：《网络安全技术与应用》2014年第9期45-46,共2页Network Security Technology & Application

摘　　要：针对隐写分析中特征维数过高的问题,提出一种特征加权支持向量机音频隐写分析算法。利用特征相关性对原始特征进行优化选择,利用增益比率法计算特征权重,提出了改进特征加权支持向量机。与常用的C-SVM进行的对比实验表明,该方法能够有效提高检测率,降低时间复杂度。in view of the characteristics of high dimension problems, put forward a feature weighted support vector machine （ SVM ） audio steganographic analysis algorithm.Using correlation characteristics of original features optimized choice, using the gain ratio method to calculate weight characteristics, a feature weighted support vector machine （ SVM ） is presented.With the commonly used C - SVM through the contrast experiments show that this method can effectively increase the detection rate, reduce the time complexity.

关 键 词：音频隐写分析 特征融合 特征相关性 加权 增益比率法 支持向量机 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]