2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的發(fā)展和普及,電子郵件已經(jīng)成為人們一個(gè)相互交流、獲取資訊的重要渠道。伴隨著信息技術(shù)的發(fā)展垃圾郵件也給人們帶來了諸多的危害。在解決垃圾郵件問題眾多的途徑和思路中,基于內(nèi)容的垃圾郵件檢測(cè)是目前最主流的反垃圾郵件方法之一。文本分類與特征降維分別是基于內(nèi)容的垃圾郵件檢測(cè)不可或缺的兩個(gè)部分。
  文本分類是在已知類別標(biāo)號(hào)的訓(xùn)練集上通過尋找規(guī)律或統(tǒng)計(jì)學(xué)習(xí)建立垃圾郵件檢測(cè)分類模型的方法?;趦?nèi)容的分類算法不需要考慮語義環(huán)境,只需對(duì)文本

2、進(jìn)行相關(guān)統(tǒng)計(jì)計(jì)算,具有自學(xué)習(xí),自適應(yīng)能力和較高的準(zhǔn)確率。
  特征降維是基于內(nèi)容的垃圾郵件檢測(cè)中的另一項(xiàng)關(guān)鍵流程。使用向量空間模型來表示郵件文本時(shí),特征向量空間通常呈現(xiàn)高維特性,不利于垃圾郵件檢測(cè)系統(tǒng)的運(yùn)行。對(duì)原始高維特征空間進(jìn)行降維處理就成了垃圾郵件檢測(cè)中的重要步驟。特征降維方法中的特征選擇算法具有性能較好,可行性強(qiáng)等優(yōu)點(diǎn),是基于內(nèi)容的垃圾郵件檢測(cè)中的重要研究對(duì)象。
  本文對(duì)不同垃圾郵件檢測(cè)組合進(jìn)行了研究,通過它們性能的

3、優(yōu)劣對(duì)比,在此基礎(chǔ)上提出一種基于郵件內(nèi)容特征的結(jié)合正交質(zhì)心特征選擇算法(OrthogonalCentroidFeatureSelection,OCFS)和支持向量機(jī)(SupportVectorMachine,SVM)的新型垃圾郵件檢測(cè)架構(gòu)OCFSVM,該組合從垃圾郵件內(nèi)容特征入手,通過OCFS算法成功地從原始高維特征空間中選出足夠類別代表能力的特征子集,通過SVM學(xué)習(xí)方法對(duì)降維后的垃圾郵件語料庫低維向量空間模型分類運(yùn)算,并將其作垃圾郵件

4、檢測(cè)的基礎(chǔ)架構(gòu)。
  本文的主要工作和創(chuàng)新點(diǎn)如下:
  (1)通過對(duì)垃圾郵件特征降維階段及分類階段的分析,在特征降維階段引入應(yīng)用較少的OCFS算法,結(jié)合文本分類領(lǐng)域的SVM算法,提出了一種結(jié)合OCFS和SVM的新型垃圾郵件檢測(cè)架構(gòu)OCFSVM。并在matlab、C#、Eclipse平臺(tái)和懷卡托智能分析環(huán)境(WaikatoEnvironmentforKnowledgeAnalysis,Weka)上,實(shí)現(xiàn)了垃圾郵件檢測(cè)架構(gòu)OCF

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論