10.3969/j.issn.1006-9348.2013.05.085
一种智能垃圾邮件过滤模型的仿真研究
研究垃圾邮件过滤准确率问题,电子邮件是一种高维、复杂的特殊文本,单一支持向量机、K近邻等传统模型均难以识别垃圾邮件,导致过滤正确率低.为了提高了垃圾邮件过滤正确率,提出一种K近邻和支持向量机相融合的垃圾邮件过滤模型(SVM-KNN).首先将邮件特征向量输入到支持向量机学习,找到支持向量集,然后计算待识别邮件与最优超平面间的距离,距离大于阈值,便采用支持向量机识别邮件类型,否则用K近邻识别邮件类型.仿真结果表明,SVM-KNN很好地解决单一模型存在的难题,提高了垃圾邮件过滤正确率,是一种有效的电子邮件管理的手段.
电子邮件、垃圾邮件、支持向量机、近邻算法、过滤
30
TP393.08(计算技术、计算机技术)
2013-07-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
370-373,407