[发明专利]一种基于深度学习的隐写分析混合集成方法在审
| 申请号： | 201811577459.2 | 申请日： | 2018-12-24 |
| 公开（公告）号： | CN109754002A | 公开（公告）日： | 2019-05-14 |
| 发明（设计）人： | 冯国瑞;王硕 | 申请（专利权）人： | 上海大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06T1/00 |
| 代理公司： | 上海上大专利事务所(普通合伙) 31205 | 代理人： | 陆聪明 |
| 地址： | 200444*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的隐写分析混合集成方法，具体操作步骤如下：划分数据集，通过高通滤波器得到残差图像，构建卷积神经网络，训练网络模型，保存最优的若干个模型，分别加载模型，将池化层的输出作为特征保存下来；改变高通滤波器，产生不同的残差图像，得到差异特征，进行特征融合后得到高维特征；将高维特征输入到PCA中进行降维；将降维后的特征输入到xgboost分类器，SVM分类器，KNN分类器中进行分类；将得到的分类结果进行集成学习，通过加权投票得到最终的分类结果。本发明可以有效地提高分类器的分类准确度。 | ||
| 搜索关键词： | 高通滤波器 残差图像 分类结果 混合集成 特征输入 隐写分析 分类器 高维 降维 卷积神经网络 训练网络模型 分类准确度 差异特征 集成学习 特征保存 特征融合 数据集 有效地 池化 构建 加载 加权 输出 学习 保存 分类 投票 | ||
【主权项】：
1.一种基于深度学习的隐写分析混合集成方法，其特征在于，具体操作步骤如下：（1）划分数据集，通过高通滤波器得到残差图像，构建卷积神经网络，训练网络模型，保存最优的若干个模型，分别加载模型，将池化层的输出作为特征保存下来；（2）改变高通滤波器，产生不同的残差图像，重复步骤（1），得到差异特征，进行特征融合后得到高维特征；（3）将高维特征输入到PCA中进行降维；（4）将步骤（3）降维后的特征输入到xgboost分类器中进行分类；（5）将步骤（3）降维后的特征输入到SVM分类器中进行分类；（6）将步骤（3）降维后的特征输入到KNN分类器中进行分类；（7）将步骤（4）、步骤（5）和步骤（6）得到的分类结果进行集成学习，通过加权投票得到最终的分类结果。
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上海大学，未经上海大学许可，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/201811577459.2/，转载请声明来源钻瓜专利网。
