摘要：针对互联网上大量的隐写软件利用图像隐藏秘密消息,提出一种基于矩特征的隐写分析方法.这种隐写分析技术能有效地检测出图像是否含有秘密信息,通过多分辨率表示图像,在不失有效信息量的基础上减小了数据量的处理,提取2种新颖的、能反映图像隐写前后的统计特性变化的特征,即PDF矩特征和CF特征,对干净图像进行定量描述,并且设计了与特征相匹配的柔性化线性一类分类器,具有一定的稳健性和柔化特性,提高了检测性能.

摘要：一类分类问题的研究目标是设计目标类样本的覆盖函数,理想情况下使得目标类样本被接受,所有非目标类的样本被拒绝。经典SVDD覆盖模型寻找包含训练数据的最小半径超球对其进行覆盖,该模型对非规则复杂分布的数据描述存在较多的冗余区域。本文提出一种基于训练集样本凸壳数据描述(Convex Hull Data Description,CHDD)的紧致覆盖模型。该模型无须参数设置,可实现对样本非规则复杂分布的自适应覆盖,并可通过利用核函数方法获得更强的非线性分类能力。当训练集包含噪声样本时,通过拒绝一定比例的目标类样本可获得更为鲁棒的凸壳边界描述。在UCI数据库、MNIST手写体数据库和MIT-CBCL人脸识别数据库上的实验结果表明了本文方法的有效性,相比现有一类分类算法,CHDD取得更好的分类效果。