1) estimation of quantity hiding data
隐藏量估计
2) hiding capacity
隐藏容量
1.
To present an summary and overview of recent developments on binary image information hiding, and discuss some important issues of those techniques such as robustness and data hiding capacity.
总结概述了近年来二值图像的一些研究成果,并对这些研究成果的鲁棒性和隐藏容量等问题做了一个简要比较与讨论。
2.
Then the author give a proof of the hiding capacity under the condition of no attack,and discuss the characteristic of the model.
分析了已知信息隐藏系统的通信模型,提出了建立在信息论基础上的理论新模型,得出了无攻击情况下隐藏容量的证明,并对该模型进行了讨论。
3.
2D-shuffling of image DCT coefficients is introduced in the information hiding arithmetic in order to equalize the uneven distribution of hiding capacity and to mprove the arithmetic validity.
在图像中进行信息隐藏时,图像的隐藏容量分布是不均匀的,因此隐藏算法的有效性受到影响。
3) hidden variable
隐藏变量
1.
At present, the methods of learning the hidden variables of Bayesian network with known structure is mainly for Bayesian networks with discrete variables or Gaussian networks with continuous variables.
目前,具有已知结构的隐藏变量学习主要针对具有离散变量的贝叶斯网和具有连续变量的高斯网。
2.
Hidden variable can summarize the information between variables,simplify network structure, and avoid data over-fitting.
具有隐藏变量的贝叶斯网学习是指从数据集中学出具有隐藏变量的贝叶斯网。
4) traffic concealing
流量隐藏
1.
To alleviate the weakness of existed network covert channels in traffic concealing and proxy penetration,a new method of constructing covert channel based on BHO is proposed.
针对现有网络隐蔽通道在流量隐藏和代理穿透方面的不足,提出一种基于浏览器帮助对象(BHO)构建网络隐蔽通道的方法。
5) Information hiding capacity
信息隐藏量
6) implicit estimation technique
隐式估计法
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条