一种结合旋转森林变换与多分类器集成的隐写分析算法

摘要

针对图像隐写分析中,集成分类器的基分类器精度较低、分类器种类单一的缺点,提出一种结合旋转森林变换与多分类器集成的隐写分析算法.首先随机生成若干特征子空间并与训练样本组成不同的样本子集,然后对每个样本子集使用旋转森林算法训练费歇尔线性分类器、极限学习机与支持向量机三种分类器,并通过加权投票的方式将三种分类器集成为一个基分类器.最后将各基分类器分类结果使用简单投票法进行集成.实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和集成极限学习机分类器相比,该算法降低了3.2%与1.1%的误检率,能够有效提升集成分类器的检测精度.