小波变换与信息j隐藏.pptVIP

p = [0:0.05:4];%共10个 t = sin(pi*p);%也是10个 figure(1);plot(p, t, b-),xlabel(时间);ylabel(输入信号); net = newff(minmax(p),[10,1],{tansig,purelin},trainlm); net.trainParam.lr=0.05; net.trainParam.epochs=300; net.trainParam.goal=1e-5; [net,tr]=train(net,p,t); p1=4; y2 = sim(net,p1); %plot(p, t, b-, p, y2, r--) y2%-0.0063 BP神经网络用于模式识别 p=[1 2 3 4; 5 6 7 8]; %输入 一共四组，每组两个 t=[ 3 7 11 15]; %教师输出只输出1个值，对应输入的2个 net=newff(p,t,{10,10},{tansig,tansig}，trainlm); %创建名为net的bp网络 %newff(输入，输出，{隐层节点，隐层节点。。。有几层设几个}，{‘传输 函数’，‘传输函数’。。。有几层设几个}，训练函数) net.trainParam.goal = 0.00001; %设置精确度 net.trainParam.epochs = 5000; %设置步长 [net,tr] = train(net,p,t); %训练开始 %训练完以后，可以进行模拟，比如 p=[1 5]‘; a=sim(net,p) BP神经网络用于模式识别 %将每个数字进行数字化处理 number0 = [0 1 1 1 0,1 0 0 0 1,1 0 0 0 1,1 0 0 0 1,1 0 0 0 1,1 0 0 0 1,0 1 1 1 0]; number15 = [1 1 1 1 1,1 0 0 0 0,1 0 0 0 0,1 1 1 1 0,1 0 0 0 0,1 0 0 0 0,1 0 0 0 0]; number = [number0; ... number15]‘;%5×7矩阵 %建立BP神经网络并初始化 targets =[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15];%指定与输入对应 P=number; %数字输入矩阵 T=targets; %目标矢量 net=newff(minmax(P),[6 1],{‘logsig’ ‘purelin’},‘traingdx’,‘learngdm’); %输入35，隐含层为6，输出1 net.performFcn=sse; net.trainParam.goal=0.0001; net.trainParam.show=10; net.trainParam.epochs=500; net.trainParam.mc=0.95; [net,tr]=train(net,P,T); P1=number7;%给出输入 A=sim(net,P1);%神经网络自动识别出结果 round(A)%自动输出是7 BP神经网络用于模式识别 * * 諧波是指所有基頻波的倍頻波 * * * * * * * * * * * * * * * * * * * * * MBA管理信息系统 计算机信息工程学院 信息隐藏问题 128 127 126 … 120 123 124 … …… 85 85 86 … 0 1 1 … 1 0 0 … …… 0 1 1 … 128 127 127 … 121 124 124 … …… 86 85 87 … 信息隐藏问题描述 Fourier定理告诉我们： 一个周期函数总可被正弦函数和余弦函数表示出。 3.变换域原理——傅里叶变换 三种谐波(harmonic ) 3.变换域原理——傅里叶变换 三个谐波的合成 3.变换域原理——傅里叶变换 四个不同频率的基本波复合成一个波； 高频，低频； 3.变换域原理——傅里叶变换 %P48离散余弦变换的应用 I=imread(cameraman.tif); I1=im2double(I); T=dctmtx(8); B=blkproc(I1,[8 8],P1*x*P2,T,T); %对图像实行不同块的处理 mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0