بهبود نهان کاوی صوت توسط انتخاب ویژگی ها موثر مبتنی بر الگوریتم تکاملی نهنگ آبی و شبیه سازی تبریدی

نهان کاوی صوت روش های جدیدی درزمینه امنیت اطلاعات هستند. نهان کاوی صوت درواقع یکمسئله تشخیص الگوست که می تواند سیگنال های صوتی را به دودسته طبقه بندی کند:سیگنال های صوت- پوشش و سیگنال های صوت- پنهان نگاره. نهان کاوی صوت از فرآیند یادگیری وتشخیص تشکیل شده است. فرآیند یادگیری برای استخراج ویژگی از یک مقدار بزرگ ازسیگنال های صوتی نمونه آموزشی ( شامل سیگنال های صوت- پوشش و سیگنال های صوت-پنهان نگاره) ویژگی هایی راگه برای دسته بندی مطلوب هستند، انتخاب می کنند و سپس دسته بندنهان کاو را می سازد. فرآیند تشخیص برای دسته بندی سیگنال های صوتی آزمایش با استفاده ازدسته بند ساخته شده در فرآیند یادگیری است. یکی از مباحثی که در تحقیقات کنونی بسیارموردتوجه قرارگرفته است، استفاده از الگوریتم های تکاملی درراستای بهینه سازی مسائل است که ازجمله این الگوریتم های تکاملی، می توان به الگوریتم تکاملی نهنگ آبی اشاره کرد. در این مقالهروشی ترکیبی برم بنای الگوریتم نهنگ آبی و شبیه سازی تبریدی در راستای نهان کاوی صوتارائه شده است. درواقع در ابتدا ویژگی ها هر صوت توسط الگوریتم مل – کپستروم استخراج شده وسپس توسط الگوریتم ترکیبی فوق، انتخاب ویژگی ها انجام شده است. روند انجام محاسبات وپیاده سازی الگوریتم پیشنهادی و مقایسه آن با الگوریتم ژنتیک، نشان می دهد که میزان دقتالگوریتم پیشنهادی، ۱۰ درصد بهینه تر از الگوریتم ژنتیک شده است.

کلیدواژه ها:

نهان کاوی ، الگوریتم نهنگ آبی ، الگوریتم شبیه سازی تبریدی ، معیارهای کارایی ، روش مل – کپستروم