چکیده مقاله
نهان نگاری صوتی عمل پنهان سازی اطلاعات اضافی در سیگنال میزبان برای اثبات حق مالکیت است معیار درست عمل کردن و مناسب بودن نهان نگاری صوتی معیار هایی مثل، نامحسوس بودن واترمارک پنهان شده، عدم آشکار شدن برای افراد غیر مجاز جهت ممانعت از حذف، مقاوم در برابر تمام حملات پردازش سیگنال و همچنین امکان آشکار شدن به منظور اثبات حق مالکیت است الگوریتم های نهان نگاری صوت اغلب به دو دسته حوزه زمان و حوزه تبدیل تقسیم بندی می گردد الگوریتم های حوزه تبدیل در مقایسه با الگوریتم های حوزه زمان در برابر حملات مقاومت بیشتری نشان می دهند ولی مقاومت آن ها در سیگنال هایی که تعداد مولفه های حوزه تبدیل پاییت تری داشته باشد، رضایت بخش و قابل قبول نمی باشد همینطور، این الگوریتم ها در مقایسه با الگوریتم های حوزه زمان پیچیده تر بوده و زمانبر تر هستند در این مقاله روشی در راستای نهان کاوی صوت ارایه شده است روش ارایه شده به این صورت است که در ابتدا با استفاده از متد مل– کپستروم اقدام به استخراج ویژگی های صوت می شود سپس با استفاده از الگوریتم ژنتیم باینری اقدام به انتخاب ویژگی های بهینه خواهد شد در نهایت نیز برای دسته بندی از درخت تصمیم گیری ID3 استفاده می شود نتایج پیاده سازی الگوریتم پیشنهادی ترکیبی نشان از برتری روش ارایه شده از لحاط معیار دقت و خطا نسبت به سایر روش های دیگر از جمله الگوریتم ژنتیک و درخت تصمیم گیری ID3 دارد
کلیدواژهها
نویسندگان
محمد مصلح
عضو هییت علمی دانشگاه آزاد اسلامی واحد دزفول
عبدالحسن قیطاسی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد اهواز
شیوه ارجاع
مصلح، محمد و قیطاسی، عبدالحسن،1397،ارایه روشی ترکیبی از الگوریتم جستجوی گرانشی باینری و درخت تصمیم گیری ID3 در راستای افزایش دقت نهان کاوی صوت،دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی16 بهمن 1398 · اهواز