算法优化

本文以 THUCNews 中文新闻语料库为基准，采用严格的控制变量法与分层随机抽样技术，系统评估了 N-gram 特征提取、TF-IDF 词权重变换、先验知识注入及停用词过滤序列对模型一致性指标（$C_V$）的影响。

针对现代网络钓鱼攻击的高频与隐蔽特性，本文提出了一种基于高斯朴素贝叶斯（Gaussian Naive Bayes）的自动化识别模型，并引入特征标准化流水线（Standardization Pipeline）解决了多量纲数值特征导致的预测偏差问题。实验采用包含 23.5 万样本的 PhiUSIIL 数据集，通过对 54 项 URL 维度特征的深度挖掘与预处理优化，模型在测试集上表现卓越。结果显示，优化后的流水线模型召回率（Recall）保持在 99.96%，误报数（False Positives）从原始数据的 687 例锐减至 17 例，ROC-AUC 达到 0.9998。该研究证明了轻量级生成式模型在经过严格特征工程处理后，能够在大规模实时检测场景中兼顾高精度与低延迟。

传统DCT水印在面对噪声、压缩、滤波等常见图像处理操作时，鲁棒性往往不够理想。这篇文章记录了我在优化一个开源DCT水印工具时的完整过程，通过多系数对投票和位重复编码，将算法的鲁棒性从14.3%提升到了52.4%。

本文系统阐述了基于离散余弦变换（DCT）的数字水印算法的理论基础与实现优化。文章首先介绍了DCT变换的数学原理，分析了频率系数的物理意义及其在图像处理中的能量分布特性。随后详细描述了水印算法的核心流程，包括图像分块、DCT变换、差分能量修改法的嵌入策略以及盲提取协议。