基于模糊C均值聚類的音頻隱寫分析方法
大小：0.89 MB 人氣： 2017-12-21 需要積分：2
針對傳統的二分類音頻隱寫分析方法對未知隱寫方法的適應性較差的問題，提出了一種基于模糊C均值（FCM）聚類與單類支持向量機（OC-SVM）的音頻隱寫分析方法。在訓練過程中，首先對訓練音頻進行特征提取，包括短時傅里葉變換（ STFT）頻譜的統計特征和基于音頻質量測度的特征，然后對所提取的特征進行FCM聚類得到C個聚類，最后送入多個超球面的OC-SVM分類器進行訓練；檢測過程中，對測試音頻進行特征提取，根據多個超球面OC-SVM分類器的邊界對待測音頻進行檢測。實驗結果表明，該隱寫分析方法對于幾種典型的音頻隱寫方法能夠較為正確地檢測，滿容量嵌入時，測試音頻的總體檢測率達到85. 1%，與K-means聚類方法相比，所提方法的檢測正確率提高了至少2%。該隱寫分析方法比二分類的隱寫分析方法更具有通用性，更適用于隱寫方法事先未知情況下的隱寫音頻的檢測。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于模糊C均值聚類的音頻隱寫分析方法下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 使用輪廓分數提升時間序列聚類的表現 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學習與統計方法綜述（一） 638
- 機器學習之分類分析與聚類分析 3550