信息隐藏是利用人类感觉器官对数字信号的感觉冗余和图像、语音等信源的数字冗余特性，将秘密消息隐藏在载体中进行传递，使观察者和监视系统无法觉察到信息的存在，以实现隐蔽通信等功能的技术。载体可以是文本、图像、语音、视频、IP数据报等。 隐写分析（steganalysis）是指在已知或未知嵌入算法的情况下，从观察到的数据检测判断其中是否存在秘密信息，分析数据量的大小和数据嵌入的位置，并最终破解嵌入内容的过程。 第一步是构建Stego。本文首先介绍了JPEG图像隐写术的发展状况，概略的介绍了JPEG图像的结构以及隐写检测思路。然后深入分析nsF5和J-UNIWARD的隐写代码及其原理，运用两种修改后和完善后的代码构建隐秘图像库Stego。 第二步是进行特征的提取。由于DCT特征在特征维数相对比较低的同时，具有相对更高的效率，有助于实验过程的便利及提高最终结果的成功率，所以选取DCT特征作为训练分类器的依据。我们使用残差图像的离散余弦变换（DCTR）算法分别对构建的cover和stego图像库提取信息。DCTR算法用JPEG中的DCT基来获得残差直方图，因此特征提取只需要计算64个8x8核DCT基，利用这些卷积核与解压JPEG图像卷积得到一个二维矩阵，然后将这个二维矩阵量化、截断得到子图像，最后根据这些子图像提取出直方图特征，再将这些直方图特征通过对称性原则对其进一步压缩，融合成8000维的特征向量。 第三步：因为待检测的jpeg图像可能采取两种不同的隐写算法，所以我们采用通用盲检测的方法进行检测。通用盲检测的优点是对多种类型的隐写算法有效，适应性强，经过样本学习，对未知算法或新算法有效，具有泛化能力，期间尝试应用Libjpeg提取JPEG质量因子来提高检测的正确率。同样，通用盲检测也有缺点，相对于针对特定隐写的检测算法来说，可靠性低一些，检测可靠性随嵌入信息的减少剧烈下降，检测前需要学习，需保证训练数据和测试数据统计上的一致性。我们采取集成分类器，通过集成分析投票的方式来提高检测结果的可靠性。结果是根据投票结果来确定的，投票值的大小不同表明检测对于图片是否被隐写的确定程度不同，我们认为值在0左右徘徊的是不确定的项，所以决定将投票值10以下的也认为是未隐写的图片，结果略有提高，最终正确率为0.731。

为有效区分手写体与印刷体，提出了一种基于卷积神经网络隐层帧特征的分类方法。基于卷积神经网络，提取隐层帧特征，利用高斯混合模型结合隐马尔可夫模型的方法对该特征进行建模，再通过维特比解码算法判定每帧特征的类别。基于帧特征的识别结果，结合文本行图像信息对识别结果进行后处理，确定最终的手写体和印刷体的区域。在签名文书类文本行图像上，相比基线，所提方法对手写体与印刷体分类的识别率提升10.8%和27.57%。在自然场景、表格和带噪文档行验证了其有效性。

本资源是基于MATLAB的说话人识别系统，是基于HMM模型 的，具有很高的识别效率，大家可以放心使用 本资源是基于MATLAB的说话人识别系统，是基于HMM模型 的，具有很高的识别效率，大家可以放心使用

隐马尔科夫模型检测LDoS攻击方法的研究

这是关于Hidden Markov Model的一个实现，非常好用。

使用此程序可用于模式识别中对数据信号的分类和预测

1.HMM的经典学习资料，pdf格式。详细的讲解了HMM模型，以及前向算法，维特比算法，前向后向算法。 2.HMM模型的java代码实现，实现了前向算法，后向算法和维特比算法。代码注释清楚，便于阅读。 3.提供了两篇关于解递归式的论文，提供了求解递归算法复杂度的思路。

关与隐马尔科夫（hmm）的程序，是用MATLAB编写的，可以正常运行！

HMM隐马尔科夫代码及其说明，很详细，初学者必备，可用来解决一系列问题

本资源是基于MATLAB的说话人识别系统，是基于HMM模型 的，具有很高的识别效率，大家可以放心使用