摘要：针对传统相似手写汉字识别系统(SHCCR)受特征提取方法的限制,提出采用深度神经网(DNN)对相似汉字自动学习有效特征并进行识别,介绍相似字符集生成方法和针对相似汉字识别的深度神经网络的具体结构,研究对比不同的训练数据规模对识别性能的影响。实验表明,DNN能有效地进行特征学习,避免了人工设计特征的不足,与传统基于梯度特征的支持向量机(SVM)和最近邻分类器(1-NN)方法相比,识别率有较大的提高;且随着训练样本增加的同时,DNN在提高识别性能上表现得更为优秀,大数据训练对提升深度神经网络的识别率作用明显。

摘要：针对现有信息安全领域隐写技术存在的感知失真大和图像误差率高问题,设计一种基于Karhunen-Loeve变换(KLT)优化的图像隐写技术。引入KLT算法压缩图像数据,用最低有效位代替加密数据,结合原始像素矩阵获得有效的图像信息。实验结果表明,与常用算法相比,该算法的嵌入容量与信噪比较高,提取到的图像数据失真较小。