انتخاب ویژگیهای با کیفیت برای پنهانشکنی نیمهکور بر اساس بردارهای پشتیبان
محل انتشار: نهمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 595
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP09_044
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
پنهانشکنیهای نیمهکور موفقیتهای زیادی در کشف وجود اطلاعات پنهان در تصاویر داشتهاند، اما این روشها نقائصی دارند که استفادهی عملی از آنها را مشکل میسازد. یکی از این اشکالات تعداد زیاد ویژگیهایی استکه برای تحلیل وجود دادهی پنهان باید از تصاویر محاسبه گردند و در برخی موارد به دهها هزار ویژگی بالغ میگردد؛ اصولاً در مسئلهی پنهانشکنی تصاویر به صورت بلادرنگ، تعداد زیاد این ویژگیها مهمترین عامل محدودکنندهی کارایی است. در این میان روشهایی مانند PCA و LDA که برای کاهش ابعاد به کار میروند، تاثیری ندارند زیرا تعداد ویژگیهای محاسبهشده از تصویر را کاهش نمیدهند. در این مقاله با به کارگیری بردارهای پشتیبان و معیارهای F-score ، آزمون KS ( Kolmogorov-Smirnov ( و تحلیل فواصل بردارهای پشتیبان دستههای مختلف، روشی برای انتخاب ویژگیهای بهتر ارایه کردهایم تا تعداد این ویژگیها را کمتر نماییم. آزمایشهای صورت گرفته مشخص نمود که به کارگیری بردارهای پشتیبان نسبت به استفاده از تمام نمونهها، در اغلب اوقات نتایج بهتری را باعث میشود؛ علاوه بر آن، این مسئله را تایید نمود که استفاده از معیار متوسط فاصلهی اقلیدسی بین بردارهای پشتیبان و همچنین ترکیب معیارهای امتیازدهی، در برخی از مواقع منجر به انتخاب ویژگیهایی با کیفیت بهتر میگردد
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :