[发明专利]基于粗糙集α-正域约简的富模型隐写检测特征选取方法有效
| 申请号： | 201711329640.7 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN108009434B | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 罗向阳;马媛媛;李晓龙;包震坤;张祎;王道顺;杨春芳;刘粉林 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06F21/60 | 分类号： | G06F21/60 |
| 代理公司： | 郑州大通专利商标代理有限公司 41111 | 代理人： | 石丹丹 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于信息隐写分析技术领域，特别是涉及一种基于粗糙集α‑正域约简的富模型隐写检测特征选取方法，首先，将富模型隐写检测特征构建成相应的决策表；然后，采用ASM度量决策表中每个特征分量的属性可分性，将ASM值作为排序和划分子集的依据；最后，基于粗糙集α‑正域约简对富模型隐写检测特征进行约简时，向约简子集中依次添加若干个ASM值较大的连续的候选特征分量，同时利用粗糙集α‑正域约简的属性独立性原则排除其中冗余和冲突的特征分量。该方法降低隐写检测特征的维数，提高隐写检测的效率。 | ||
| 搜索关键词： | 基于 粗糙 正域约简 模型 检测 特征 选取 方法 | ||
【主权项】：
1.一种基于粗糙集α-正域约简的富模型隐写检测特征选取方法，其特征在于，含有以下步骤：步骤1，将富模型隐写检测特征构建成相应的决策表；步骤2，采用ASM度量决策表中每个特征分量的属性可分性，将ASM值作为排序和划分子集的依据；步骤3，基于粗糙集α-正域约简对富模型隐写检测特征进行约简时，向约简子集中依次添加若干个ASM值较大的连续的候选特征分量，同时利用粗糙集α-正域约简的属性独立性原则排除其中冗余和冲突的特征分量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711329640.7/，转载请声明来源钻瓜专利网。
