基于模糊C均值聚類的音頻隱寫分析方法

　　針對傳統(tǒng)的二分類音頻隱寫分析方法對未知隱寫方法的適應性較差的問題，提出了一種基于模糊C均值（FCM）聚類與單類支持向量機（OC-SVM）的音頻隱寫分析方法。在訓練過程中，首先對訓練音頻進行特征提取，包括短時傅里葉變換（ STFT）頻譜的統(tǒng)計特征和基于音頻質(zhì)量測度的特征，然后對所提取的特征進行FCM聚類得到C個聚類，最后送入多個超球面的OC-SVM分類器進行訓練；檢測過程中，對測試音頻進行特征提取，根據(jù)多個超球面OC-SVM分類器的邊界對待測音頻進行檢測。實驗結(jié)果表明，該隱寫分析方法對于幾種典型的音頻隱寫方法能夠較為正確地檢測，滿容量嵌入時，測試音頻的總體檢測率達到85. 1%，與K-means聚類方法相比，所提方法的檢測正確率提高了至少2%。該隱寫分析方法比二分類的隱寫分析方法更具有通用性，更適用于隱寫方法事先未知情況下的隱寫音頻的檢測。