انتخاب ویژگیهای با کیفیت برای پنهانشکنی نیمهکور بر اساس بردارهای پشتیبان
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 649
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICMVIP09_044
Index date: 24 February 2017
انتخاب ویژگیهای با کیفیت برای پنهانشکنی نیمهکور بر اساس بردارهای پشتیبان abstract
پنهانشکنیهای نیمهکور موفقیتهای زیادی در کشف وجود اطلاعات پنهان در تصاویر داشتهاند، اما این روشها نقائصی دارند که استفادهی عملی از آنها را مشکل میسازد. یکی از این اشکالات تعداد زیاد ویژگیهایی استکه برای تحلیل وجود دادهی پنهان باید از تصاویر محاسبه گردند و در برخی موارد به دهها هزار ویژگی بالغ میگردد؛ اصولاً در مسئلهی پنهانشکنی تصاویر به صورت بلادرنگ، تعداد زیاد این ویژگیها مهمترین عامل محدودکنندهی کارایی است. در این میان روشهایی مانند PCA و LDA که برای کاهش ابعاد به کار میروند، تاثیری ندارند زیرا تعداد ویژگیهای محاسبهشده از تصویر را کاهش نمیدهند. در این مقاله با به کارگیری بردارهای پشتیبان و معیارهای F-score ، آزمون KS ( Kolmogorov-Smirnov ( و تحلیل فواصل بردارهای پشتیبان دستههای مختلف، روشی برای انتخاب ویژگیهای بهتر ارایه کردهایم تا تعداد این ویژگیها را کمتر نماییم. آزمایشهای صورت گرفته مشخص نمود که به کارگیری بردارهای پشتیبان نسبت به استفاده از تمام نمونهها، در اغلب اوقات نتایج بهتری را باعث میشود؛ علاوه بر آن، این مسئله را تایید نمود که استفاده از معیار متوسط فاصلهی اقلیدسی بین بردارهای پشتیبان و همچنین ترکیب معیارهای امتیازدهی، در برخی از مواقع منجر به انتخاب ویژگیهایی با کیفیت بهتر میگردد
انتخاب ویژگیهای با کیفیت برای پنهانشکنی نیمهکور بر اساس بردارهای پشتیبان Keywords:
انتخاب ویژگیهای با کیفیت برای پنهانشکنی نیمهکور بر اساس بردارهای پشتیبان authors
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 :