论文部分内容阅读
在实际应用环境下,训练集和测试集往往存在分布偏差,导致隐写分析检测效果不理想。迁移学习方法旨在从一个领域学习到的知识,来帮助完成新领域中的学习任务,不要求领域间的同分布假设。概述了当前隐写分析失配问题的研究现状,分析了引起隐写分析失配的因素,在TrAdaBoost迁移算法的基础上提出了一种基于迁移学习的隐写分析算法,改善了隐写检测过程中出现的失配问题,并通过实验验证了算法的有效性。