几种模式识别方法在源相机辨识中的分析比较

被引:4
作者
洪艳 [1 ,2 ]
机构
[1] 合肥工业大学信息与网络中心
[2] 合肥工业大学计算机与信息学院
关键词
源相机辨识; 特征提取; 支持向量机; 神经网络; 集群算法; 模式识别;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了重新衡量模式识别方法在整个源相机辨识过程中所起的作用,对在源相机辨识中使用比较普遍的几种模式识别的方法,包括支持向量机、BP神经网络以及Simple Stump Adaboost,进行了分析比较。通过对提取到的300张照片的特征数据分别采用了分析实验,根据得到的实验结果,在通用性、效率、推广能力和分类效果方面对各种算法进行分析与比较,最后得出每种方法的优缺点和适用性,为源相机辨识的实际应用提供有利的信息。
引用
收藏
页码:367 / 371
页数:5
相关论文
共 9 条
[1]   一种新的半监督直推式支持向量机分类算法 [J].
王安娜 ;
李云路 ;
赵锋云 ;
史成龙 .
仪器仪表学报, 2011, 32 (07) :1546-1550
[2]   支持向量机原理及展望 [J].
陈冰梅 ;
樊晓平 ;
周志明 ;
李雪荣 .
制造业自动化, 2010, 32 (14) :136-138
[3]   基于BP神经网络的外姿态测量系统线阵CCD标定 [J].
李晶 ;
袁峰 ;
丁振良 .
仪器仪表学报, 2010, 31 (05) :1138-1141
[4]   基于支持向量机的无穷维AdaBoost算法及其应用 [J].
刘冲 ;
张均东 ;
曾鸿 ;
任光 ;
纪玉龙 .
仪器仪表学报, 2010, 31 (04) :764-769
[5]   一种基于优选BP神经网络的智能模糊优化算法 [J].
谭建豪 ;
章兢 .
电子测量与仪器学报, 2008, (02) :76-80
[6]   BP网学习算法的改进及其在模式识别中的应用 [J].
王宗炎,洪振华 .
南京航空航天大学学报, 1994, (S1) :216-223
[7]  
数字图像取证技术[M]. 北京邮电大学出版社 , 周琳娜, 2008
[8]  
机器学习[M]. 机械工业出版社 , (美)TomM.Mitchell著, 2003
[9]  
A Practical Guide to Support Vector Classification .2 Chih-Wei,Hsu,Chih-Chung Chang,Chih-Jen Lin. . 2009