一种新的基于NGA/PCA和SVM的特征提取方法

提出了一种使用小生境遗传算法(NGA)和主成分分析(PCA)对支持向量机(SVM)进行封装的方法来选择特征子集。该方法首先使用PCA得到特征向量,然后产生若干随机特征向量子集,从而得到新的特征空间,将所有训练样本映射到这个特征空间来训练支持向量机,再使用支持向量机的半径间隔方法对每个特征向量子集的性能进行评价,最后使用小生境遗传算法来共享适应度,以及进行选择、交叉和变异操作得到新的特征向量子集,重复这个过程直至得到最优的特征向量子集。使用UCI数据集进行了相关的实验,实验结果表明了该方法可以减少特征的数量以及提高分类正确率。     

基于DC分量和AC分量相结合的数字水印技术

文章提出了一种将DC分量与AC分量相结合的数字水印新方法,该方法将原始图像分块并根据人眼视觉系统纹理掩蔽特性,提取出原图像每块的纹理特征,由该纹理特征在原图像的每块DC系数和3个AC系数上嵌入水印。实验结果证明,该方案自适应性好、嵌入的水印的信息量大,并且对图像处理和常见的图像攻击具有很好的稳健性。