本發(fā)明涉及一種基于深度強(qiáng)化學(xué)習(xí)的圖像隱寫分析集成分類優(yōu)化方法。具體操作步驟如下:(1)選取一定特征下若干個(gè)基分類器;(2)使用Bagging集成方法,生成若干強(qiáng)集成分類器;(3)固定生成的子分類器個(gè)數(shù),并在子空間數(shù)相同的情況下,多次生成不同的數(shù)據(jù)集;(4)建立深度強(qiáng)化學(xué)習(xí)模型DQN,對(duì)步驟(3)中的數(shù)據(jù)集進(jìn)行訓(xùn)練并篩選出在精度不變或者更好的情況下的更少個(gè)數(shù)的分類器集合;(5)將待判別的隱寫數(shù)據(jù)輸入到模型中,計(jì)算優(yōu)化后的集成分類器精度和分類器個(gè)數(shù)。本發(fā)明可以有效地優(yōu)化集成分類器的精度以及子分類器個(gè)數(shù),適用于大量分類器集成判決的情況,達(dá)到更好的分類性能。
聲明:
“基于深度強(qiáng)化學(xué)習(xí)的圖像隱寫分析集成分類優(yōu)化方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)