本发明涉及一种基于深度强化学习的图像隐写分析集成分类优化方法。具体操作步骤如下:(1)选取一定特征下若干个基分类器;(2)使用Bagging集成方法,生成若干强集成分类器;(3)固定生成的子分类器个数,并在子空间数相同的情况下,多次生成不同的数据集;(4)建立深度强化学习模型DQN,对步骤(3)中的数据集进行训练并筛选出在精度不变或者更好的情况下的更少个数的分类器集合;(5)将待判别的隐写数据输入到模型中,计算优化后的集成分类器精度和分类器个数。本发明可以有效地优化集成分类器的精度以及子分类器个数,适用于大量分类器集成判决的情况,达到更好的分类性能。
声明:
“基于深度强化学习的图像隐写分析集成分类优化方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)