بهبودنهان کاوی صوت باانتخاب زیرمجموعه ویژگی بهینه بااستفاده ازالگوریتم ژنتیک
Publish place: First National Conference on Advances in computer science and information retrieval approaches
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,350
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ01_629
تاریخ نمایه سازی: 29 دی 1392
Abstract:
باتوجه به پیشرفت ابزارها و الگوریتم های موسوم به پنهان نگاری که برای مخفی کردن اطلاعات سری درفایل های رسانه ای مانند صوت تصویروویدئو به کارمیروند و همچنیندسترسی اسان آنها ازطریق اینترنت ممکن موردسوء استفاده برخی افراد مغرض مانند تروریست ها قرارگیرد و یک تهدید برای امنیت اطلاعات محسوب شوندازاین رو می بایست اقدامی متقابل برای کشف این ارتباط مختلفی یعنی نهان کاوی علی الخصوص برای فایلهای صوتی که ظرفیت بالایی برای مخفی سازی دارند صورت گیرد دراین مقاله ما برای بهبود نهان کاوی صوتمبتنی برمل - کپستروم یک الگوریتم ژنتیک GA برای انتخاب زیرمجموعه ای ازویژگیها براساس اماره های طیف فوریه و ضرایب مل کپستروم منتج ازمشتق مرتبه دوم سیگنال صوتی ارایه کردیم اماره های طیف فرکانسی بالا و ضرایب مل - فرکانسی بعنوان ویژگیهایی برای تشخیص صوت پنهان نگاری شده استخراج شدند با انتخاب بهترین زیرمجموعه ویژگی ازمجموعه ویژگی های اصلی و سپس اعمال ماشین بردارپشتیبان SVM به این ویژگی ها سیگنالهای صوتی خالص بدون داده مخفی و پنهان نگارها حامل داده پوششی بطورموفقیت امیز متمایز شدند نتایج ازمایشات نشان میدهدکه با انتخاب ویژگیهای بهینه علاوه بربهبود دقت تشخیص پیچیدگی محاسباتی نیز کاهش می یابد
Keywords:
Authors
حجت کاوری زاده
دانشگاه آزاد اسلامی دزفول
محمد مصلح
دانشگاه آزاد اسلامی دزفول
هدیه ساجدی
دانشگاه شریف تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :