期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于无监督学习的MB1隐写分析方法
被引量：
1
1
作者
江夏秋
王丽娜
+1 位作者
胡东辉
岳云涛
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2009年第3期442-446,共5页
为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的10...
为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.
展开更多
关键词
隐写分析
无监督学习
MB1隐写算
法
支持向量数据描述法
在线阅读
下载PDF
职称材料
基于MW-KECA与变量贡献SVDD的间歇过程故障检测系统
被引量：
3
2
作者
徐逸丰
杨海麟
+1 位作者
孟繁松
王鑫
《控制工程》
CSCD
北大核心
2022年第1期143-151,共9页
针对间歇过程的非线性和时变性特点以及故障易误报的问题,提出了一种将移动窗-核熵成分分析(MW-KECA)故障监测与基于变量贡献的支持向量数据描述(SVDD)故障诊断集合而成的故障检测系统。MW-KECA方法构建局部模型能有效处理数据的时变性...
针对间歇过程的非线性和时变性特点以及故障易误报的问题,提出了一种将移动窗-核熵成分分析(MW-KECA)故障监测与基于变量贡献的支持向量数据描述(SVDD)故障诊断集合而成的故障检测系统。MW-KECA方法构建局部模型能有效处理数据的时变性,同时保留KECA优秀的非线性处理能力。故障诊断中以各变量对CS统计量-向量间角度关系指标的贡献作为输入数据来构建SVDD分类器,相较于原始数据,故障贡献能够突出同类相似信息和异类差异信息。通过青霉素发酵仿真实验,验证了检测系统在监测准确性与故障识别率上都有良好效果,证明了该检测系统的有效性。
展开更多
关键词
故障监测
故障诊断
核熵成分分析
支持向量数据描述法
间歇过程
在线阅读
下载PDF
职称材料
题名
一种基于无监督学习的MB1隐写分析方法
被引量：
1
1
作者
江夏秋
王丽娜
胡东辉
岳云涛
机构
武汉大学计算机学院
空天信息安全及可信计算教育部重点实验室
合肥工业大学计算机与信息学院
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2009年第3期442-446,共5页
基金
国家自然科学基金重大研究计划资助项目(90718006)
国家自然科学基金资助项目(60743003)
+1 种基金
教育部科学技术研究重点项目资助项目(108087)
国家教育部博士点基金资助项目(20070486107)
文摘
为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.
关键词
隐写分析
无监督学习
MB1隐写算
法
支持向量数据描述法
Keywords
steganalysis
unsupervised-learning
MB1 steganography
support vector domain descriotion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于MW-KECA与变量贡献SVDD的间歇过程故障检测系统
被引量：
3
2
作者
徐逸丰
杨海麟
孟繁松
王鑫
机构
江南大学生物工程学院
出处
《控制工程》
CSCD
北大核心
2022年第1期143-151,共9页
基金
十三五重点研发计划项目(2018YFB1306503)
国家自然科学基金资助项目(21776113)。
文摘
针对间歇过程的非线性和时变性特点以及故障易误报的问题,提出了一种将移动窗-核熵成分分析(MW-KECA)故障监测与基于变量贡献的支持向量数据描述(SVDD)故障诊断集合而成的故障检测系统。MW-KECA方法构建局部模型能有效处理数据的时变性,同时保留KECA优秀的非线性处理能力。故障诊断中以各变量对CS统计量-向量间角度关系指标的贡献作为输入数据来构建SVDD分类器,相较于原始数据,故障贡献能够突出同类相似信息和异类差异信息。通过青霉素发酵仿真实验,验证了检测系统在监测准确性与故障识别率上都有良好效果,证明了该检测系统的有效性。
关键词
故障监测
故障诊断
核熵成分分析
支持向量数据描述法
间歇过程
Keywords
Fault monitoring
fault diagnosis
kernel entropy component analysis
support vector data description
batch process
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于无监督学习的MB1隐写分析方法
江夏秋
王丽娜
胡东辉
岳云涛
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2009
1
在线阅读
下载PDF
职称材料
2
基于MW-KECA与变量贡献SVDD的间歇过程故障检测系统
徐逸丰
杨海麟
孟繁松
王鑫
《控制工程》
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
