基于SVM的電子郵件分類系統(tǒng)研究.pdf

1、電子郵件是Internet上最廣泛使用、最受歡迎的網(wǎng)絡(luò)功能.隨著計(jì)算機(jī)信息技術(shù)的普及,它現(xiàn)在已經(jīng)演變成為一個(gè)更加復(fù)雜并豐富的多的系統(tǒng),可以傳送聲音、圖片、圖像、文檔等多媒體信息,以至于如數(shù)據(jù)庫(kù)或賬目報(bào)告等更加專業(yè)化的文件都可以電子郵件附件的形式在網(wǎng)上分發(fā).現(xiàn)在,電子郵件已成為許多商家和組織機(jī)構(gòu)的生命血脈.用戶可以通過電子郵件的討論會(huì)進(jìn)行項(xiàng)目管理,并且有時(shí)要根據(jù)快速,或洲際的電子郵件信息交換進(jìn)行重要的決策行動(dòng).然而隨著電子郵件數(shù)量的增多,

2、如何對(duì)電子郵件進(jìn)行有效的分類,并且過濾出垃圾郵件,成為一個(gè)令很多用戶煩惱的問題. 支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論的新一代學(xué)習(xí)機(jī)器,具有很多吸引人的特點(diǎn),它在函數(shù)表達(dá)能力、推廣能力和學(xué)習(xí)效率上都要優(yōu)于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò).近十年來(lái),Vapnik等人在統(tǒng)計(jì)學(xué)習(xí)理論SLT的基礎(chǔ)上發(fā)展了SVM算法,在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢(shì),并能夠推廣應(yīng)用到函數(shù)擬合等其它機(jī)器學(xué)習(xí)問題.很多學(xué)者認(rèn)為,它們正在成為繼模式識(shí)別和

3、神經(jīng)網(wǎng)絡(luò)研究之后機(jī)器學(xué)習(xí)領(lǐng)域中新的研究熱點(diǎn),并將推動(dòng)機(jī)器學(xué)習(xí)理論和技術(shù)有重大的發(fā)展.SLT體系及其SVM算法在解決"小樣本難題"過程中所取得的核函數(shù)應(yīng)用等方面的突出進(jìn)展令人鼓舞,已被認(rèn)為是目前針對(duì)小樣本統(tǒng)計(jì)估計(jì)和預(yù)測(cè)學(xué)習(xí)的最佳理論. 本課題基于支持向量機(jī)方法對(duì)電子郵件分類進(jìn)行了研究和實(shí)現(xiàn),主要包括以下內(nèi)容:1、介紹電子郵件的相關(guān)理論.闡述了電子郵件的格式,其次分析了電子郵件的傳輸原理、相關(guān)協(xié)議和標(biāo)準(zhǔn),并詳細(xì)闡明了郵件分類的國(guó)內(nèi)外

4、研究現(xiàn)狀,為本課題的全面開展奠定了基礎(chǔ).2、討論了支持向量機(jī)的思想、方法、應(yīng)用和特點(diǎn)以及國(guó)內(nèi)外研究動(dòng)態(tài),分類問題.3、研究了本分類的定義、評(píng)估方法.最后詳細(xì)探討了中文文本的分類過程:文本的表示、特征項(xiàng)的抽取以及文本的訓(xùn)練方法和分類方法.4、本文設(shè)計(jì)并初步實(shí)現(xiàn)了一個(gè)基于支持向量機(jī)的自動(dòng)郵件分類系統(tǒng).該系統(tǒng)位于郵件客戶端,能對(duì)已有郵件樣本進(jìn)行自主學(xué)習(xí),并自動(dòng)從郵件服務(wù)器接收新到郵件進(jìn)行分類和垃圾過濾. 論文的不足在于要對(duì)支持向量機(jī)做