福建省自然科学基金(2008J04004)
- 作品数：7 被引量：27H指数：3
- 相关作者：黄添强陈智文李凯苏立超袁秀娟更多>>
- 相关机构：福建师范大学南京航空航天大学清华大学更多>>
- 发文基金：福建省自然科学基金国家自然科学基金福建省高校服务海西建设重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于纹理特征的数字视频篡改检测被引量：11
- 2012年
- 本文提出一种利用视频帧纹理特征来检测视频篡改的方法。对于一段背景静止或是运动缓慢连续变化的视频,相邻帧间的纹理特征相关性大,篡改后会一定程度上使其相关性变小,本文通过计算相邻帧灰度共生矩阵的相关性找出异常帧。该方法对视频格式无限制,适用于各种格式的视频。实验表明,该方法对相近背景下的异源帧插入、帧替换检测效果比较理想。
- 袁秀娟黄添强陈智文吴铁浩苏立超
- 关键词：视频篡改图像纹理灰度共生矩阵帧间相关性
- 有监督的噪音流形学习算法
- 2011年
- 流形学习算法是维度约简与数据可视化领域的重要工具,提高算法的效率与健壮性对其实际应用有积极意义。经典的流形学习算法普遍的对噪音点较为敏感,现有的改进算法尚存在不足。本文提出一种基于监督学习与核函数的健壮流形学习算法,把核方法与监督学习引入降维过程,利用已知标签数据信息与核函数特性,使得同类样本变得紧密,不同类样本变成分散,提高后续分类任务的效果,降低算法对流形上噪音的敏感性。在UC I数据与白血病拉曼光谱数据上的实验表明本文改进的算法具有更高的抗噪性。
- 黄添强李凯郑之
- 关键词：流形学习核函数
- 融合PSO算法思想的进化算法被引量：2
- 2010年
- 粒子群算法(particle swarm optimization,PSO)是仿真于生物群体的社会行为的一种智能优化算法,其原始形式难以体现数学的直观性和本质性。然而,在简化算法原始模型的基础上,PSO算法的理论分析得到其数学模型,并且说明了其是一个迭代进化系统。利用PSO算法的数学模型代替标准PSO算法速度及位置的迭代公式,并选择适当的参数,从而构造了一种新的进化算法。新的进化算法形式更能直接体现PSO算法的数学思想。经仿真试验表明,新的进化算法效果不差于标准PSO算法,并且参数少且容易分析。
- 刘建华黄添强严晓明
- 关键词：粒子群算法收敛性进化算法数学模型
- 基于双向运动矢量的数字视频篡改鉴定被引量：9
- 2011年
- 随着数字视频编辑处理软件的广泛使用,数字视频的篡改检测技术变得越来越重要。本文基于帧间内容连续性,提出一种基于双向运动矢量的视频篡改检测方法。首先对视频双向预测帧(B帧)进行解码,提取双向运动矢量,然后将运动矢量序列中每一个数据对象与左右k近邻最大差值的平均值作为该点的峰值,通过计算峰值序列的均值和标准偏差自适应地设定阈值,对峰值进行检测,从而判断出篡改点。实验结果表明,使用这种篡改检测方法能有效地检测出运动背景下视频帧的删除和插入篡改。
- 黄添强陈智文
- 关键词：视频篡改离群点检测
- 基于压缩感知的视频异源篡改检测被引量：1
- 2011年
- 考虑到视频序列固有噪声特征的特点,提出一种基于压缩感知的视频异源篡改检测算法。提取视频中每帧图像的噪声信息并建立噪声矩阵,通过引入压缩感知理论对噪声矩阵进行压缩,极大地降低每帧图像噪声信息的冗余度,对压缩噪声矩阵使用cos相似性衡量,得到帧图像间的相似度矩阵,并构造篡改度量,利用参数模型对视频的异源篡改图像进行检测。实验表明提出算法能以较小的压缩比对视频序列中的异源篡改位置进行有效检测,并得到比现有两种算法更高的篡改检测准确率。
- 黄添强曾文赋
- 关键词：压缩感知
- 结构复杂数据的半监督聚类被引量：6
- 2010年
- 基于成对限制,提出一种半监督聚类算法(SCCD),它能够处理存在多种密度结构复杂的数据且识别任意形状的簇.利用成对限制反映的多密度分布信息计算基于密度的聚类算法(DBSCAN)的邻域半径参数Eps,并利用不同参数的DBSCAN算法处理复杂形状且密度变化的数据集.实验结果表明,SCCD算法能在噪声环境下发现任意形状且多密度的簇,性能优于已有同类算法.
- 黄添强余养强秦小麟
- 关键词：半监督聚类基于密度聚类
- 基于局部相关维度的流形离群点检测算法被引量：3
- 2011年
- 传统的离群点检测算法不适合检测流形离群点,目前专门针对流形离群点检测的算法报道较少.为此,基于实验观察的启示,提出用流形局部相关维度检测流形离群点的算法.首先探讨内在维度的性质,并基于实验观察提出用流形局部相关维度来度量流形离群点,然后证明流形局部相关维度可表征数据样本离群的性质,最后基于此性质提出流形离群点检测算法.在人工数据与真实数据上的实验表明本算法可检测流形离群点,且本算法比最近报道的流形除噪算法具有更优的性能.
- 黄添强李凯郭躬德
- 关键词：数据挖掘离群点检测流形学习
