بهبودنهان کاوی صوت باانتخاب زیرمجموعه ویژگی بهینه بااستفاده ازالگوریتم ژنتیک

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

کلیدواژه ها:

نهان کاوی صوت ، ویژگیهای مل - کپستروم ، الگوریتم ژنتیک ، انتخاب ویژگی