复杂模式网络多优先级隐写信息标记仿真研究

当前多优先级隐写信息标记方法忽视了标注集整体关联性对标记结果的影响,导致标注集整体关联性缺乏,标记结果准确性不高。为了解决上述问题,提出基于标注词精化的复杂模式网络多优先级隐写信息标记方法。针对复杂模式网络噪声干扰,提出标注词精化思想,采用优先级排序特征强化隐写信息重要性权重,完成第一次标注词精化;考虑到各优先级标注集整体关联性对标记结果的影响,计算隐写信息的多优先级相关度评分,进一步优选可以准确刻画隐写信息内容的标题,完成第二次标注词精化。结合多核学习方法优化各优先级标注词特征的相应权重,同时确定分类器的参数,采用训练好的多核支持向量机分类器对不同优先级特征进行分类,标记不同优先级的隐写信息。实验结果表明,所提方法获得的标注词能够较好地描述不同优先级下的隐写信息,标记性能提升明显。