《表3 融合步骤得分:融合多特征的视频帧间篡改检测算法》
大量的实验结果表明融合所有特征往往不能达到最好的效果。因此,一般不需要融合所有特征,只需要找到一个较佳的融合数量即可。在表3中第1到19栏展示了逐一添加特征的结果,第20栏是本文融合算法添加特征的结果,并绘制了结果曲线,如图4所示,以便更好地展示融合效果。表3中索引号1到19栏展示的是先对特征进行排序,按照排序结果依次添加特征后的得分,其过程中没有排除任何特征。最后一栏(索引号20)展示的是使用本文中提到的算法2(只添加能提高当前检测精度的特征)融合特征的结果。表3中第一个所选的特征是给定样本下得分最高的特征,在增加一个特征后,其性能反而下降了。图4可以清晰地看出当特征数从2增加到4时,性能有大幅提升。当融合特征数为4时有最佳性能。特征数大于4之后,性能有所下降也有所上升,一般保持在一个比较平稳的水平。最后一栏只融合了部分特征也获得了较高的得分。从图4中可以看出融合方法确实有利于提高检测精度且使用本文的算法不需要融合所有特征也可以选择一组效果较佳的特征。高维数据性能有所下降而不是改善的原因有两点:特征增加意味着噪声和误差也随之增加;样本数据量不足以获得统计上合理和可靠的估计。如果选取一组样本,要找到最佳的特征组合,需要遍历所有可能,显然,这是不可取的。那么,使用本文提到的顺序前向选择算法,可以找到一组性能较佳的特征,而只需遍历一遍所有特征,且复杂度低。
图表编号 | XD00139964000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 肖辉、翁彬、黄添强、普菡、黄则辉 |
绘制单位 | 福建师范大学数学与信息学院、福建省大数据挖掘与应用工程技术研究中心、福建师范大学数学与信息学院、福建省大数据挖掘与应用工程技术研究中心、福建师范大学数学与信息学院、福建省大数据挖掘与应用工程技术研究中心、福建师范大学数学与信息学院、福建省大数据挖掘与应用工程技术研究中心、世新大学 |
更多格式 | 高清、无水印(增值服务) |