基于图像相似性检测的图像垃圾邮件过滤方法

日益泛滥的图像垃圾邮件给互联网用户带来极大的不便,如何对其实施有效过滤成为亟待解决的问题.分析图像垃圾邮件过滤中的关键问题邮件图像的特征提取.利用垃圾邮件重复发送、内容高度相似的特点,提出一种过滤图像垃圾邮件的新方法:提取邮件图像的综合特征值,以此作为目标邮件图像与垃圾邮件图像样本库相似性度量的依据,通过检测其是否相似来实现垃圾邮件图像的过滤.实验中,提取邮件图像的颜色、纹理和形状3种底层特征,其描述方法分别为颜色矩、共生矩阵统计量和不变矩.结果表明该方法对图像垃圾邮件的召回率达到95%以上.     

基于卷积神经网络的英文邮件分类

文本信息量呈指数次方急剧增长,比如邮件的数目,信息的容量等,如何高效的处理信息成为关注的焦点,邮件分类可以将垃圾邮件进行过滤,提高工作效率。利用卷积神经网络进行英文邮件中垃圾邮件分类的同时,采用的数据集是Enron邮件数据集,对该数据集进行了数据预处理、卷积神经算法以及训练,最终在英文邮件中垃圾邮件分类的准确率以及分类速度都有明显的提高。     

基于贝叶斯增量分类的邮件过滤研究

随着internet的快速发展,垃圾邮件泛滥成灾.面对垃圾邮件日益严重的现状,提出了贝叶斯邮件过滤模型并讨论了贝叶斯分类方法在垃圾邮件过滤中的应用.针对难以获得大量有类别标签的邮件训练集问题,利用贝叶斯具有增量学习特征,分析并提出了基于小规模训练集的贝叶斯增量邮件过滤方法,通过最小化当前邮件分类器的分类损失,来选择有利于提高分类器性能的邮件加入训练集.实验结果表明,该方法是切实可行的并具有良好的效果.     

基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

垃圾邮件过滤中特征选择方法研究

文章对垃圾邮件过滤中的特征选择问题进行了研究,引入"词共现模型"考虑词语之间的语义联系信息,和传统的信息增益特征选择方法结合表示邮件,采用神经网络方法对邮件进行分类得到垃圾邮件过滤器.实验表明,文章提出的将词共现对和信息增益结合的特征选择方法能够提高垃圾邮件过滤的精确度.     

用于垃圾邮件识别的“词频-筛”混合特征选择方法

文中针对当下愈发泛滥的垃圾邮件,分别使用朴素贝叶斯分类和支持向量机分类法对当前日益泛滥的垃圾邮件进行识别、分类,将"词频-筛"混合特征选择方法应用于分类器模型中,以提高分类器的识别性能.同时,通过考虑更全面的分类概率情况,改进朴素贝叶斯分类模型,进一步提升朴素贝叶斯分类器的识别性能.最后通过实验得到了该垃圾邮件识别系统的准确率、召回率和F1值等分类识别性能指标.实验结果表明,"词频-筛"混合特征选择方法能有效提高垃圾邮件分类器的识别性能,而且使用成本敏感方法的分类输出调节模块也能大大降低分类器将正常邮件误判为垃圾邮件的概率,因此,文中设计的垃圾邮件识别系统具有较强的实用性,可以在实际工作、生活中使用.     

基于类神经网络的垃圾邮件过滤技术研究设计

由于目前尚无论文使用类神经网络针对中文内容的邮件进行垃圾邮件的辨识,因此希望通过实验了解,使用类神经网络对于垃圾邮件的辨识是否可行。关键词数目对于垃圾邮件的辨识是否会有影响;将邮件分类使用二分法以及实际使用测试资料中垃圾邮件的七个分类加上正常邮件共八类,此两种分类结果,对于使用类神经网络辨识垃圾邮件是否会有影响。     

改进卡方统计量的BPNN短文本分类方法

针对短文本特征选择方法,分析研究逆文档频率(IDF)和卡方统计量两种方法的特点,并将IDF和卡方统计量方法相结合,对卡方统计量方法进行改进,改善传统卡方统计量忽略低频特征词和容易选取高频无效特征词的缺点;然后将改进的卡方统计量与BP神经网络相结合,并与KNN、NB两种分类器进行测试比较。结果显示:改进的卡方统计量改善特征词选择的效果,提高分类效果,而且BP神经网络对于短文本分类有更好的可靠性,尤其是在特征维数较低的情况下依然表现出较高的分类效果。     

一种基于加权支持向量机的垃圾邮件过滤方法

基于内容的垃圾邮件过滤本质上是文本分类问题,支持向量机分类器非常适合于垃圾邮件过滤这一二分类问题,但标准的支持向量机是基于分类精度进行优化的,对两类邮件的重要性未以区别,造成了邮件分类时虽然整体精度较高,但对正常邮件的误判率也较高.据此笔者提出了一种基于加权支持向量机的垃圾邮件过滤算法,通过增加两类邮件的类别权重及反映每封邮件重要性的权重,对支持向量机分类器进行训练,在保证分类精度的同时,尽可能地降低对正常邮件的误判率.实验表明该算法取得了很好的过滤效果.     

基于改进的Nave Bayes和BP神经网络的垃圾邮件过滤

不同用户对垃圾邮件的判定有所差别,考虑到同一用户的自认垃圾邮件相似度较大,提出对特定用户进行针对性的垃圾邮件过滤方法.系统除重点利用邮件正文信息外,还尝试加入发件人、群发信息和主题相关度信息,改进朴素贝叶斯公式用于邮件正文的概率计算,基于BP神经网络构造垃圾邮件判别系统.实验表明,改进的朴素贝叶斯公式用于本文的系统是可行的,基于BP神经网络的垃圾邮件过滤系统能有效综合以上四项数值进行全局判别,进而对特定用户的邮件产生不错的过滤效果.     

垃圾邮件与反垃圾邮件技术分析

本文通过阐述垃圾邮件的定义、危害、产生的原因、发送的手段来分析如何对垃圾邮件进行防范;通过对邮件的处理过程进行分析,进一步阐明了反垃圾邮件的手段和方法;同时,分析并总结了这些技术在反垃圾邮件防范中的作用。     

用学习矢量量化(LVQ)神经网络进行教师评估

针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。     

用Delphi编写带图片的HTML电子邮件

阐述如何用Indy控件集进行域名查询、邮件发送的编程，以实现用Delphi编写带图片的HTML电子邮件。     

基于模糊支持向量机的中文垃圾邮件过滤方法

随着电子邮件的广泛使用,垃圾邮件问题也日益严峻.基于邮件内容的过滤是当前解决垃圾邮件问题的主流技术之一.提出了一种基于带有模糊隶属度的模糊支持向量机对中文垃圾邮件过滤的方法,同时,为解决FSVM中隶属度函数的确定问题,使用了一种改进的基于类中心的隶属度函数设计方法.通过实验,使用FS-VM对垃圾邮件过滤能够取得较好的效果.     

面向邮件网关类系统的电子邮件账户维护方法

随着互联网技术的飞速发展,电子邮件正成为一种普及、快捷、经济的通信手段.但与此同时,垃圾邮件也开始在互联网上泛滥.面向电子邮件网关的电子邮件过滤技术被广泛应用,但是电子邮件网关类系统与真正的邮件系统在物理位置上分离无法获得邮件账户信息,因此缺少一种快速有效的邮件账户维护方法.文中设计并实现了一种面向电子邮件网关类系统的邮件账户维护方法.该方法使网关能够过滤掉大量目标地址不存在的垃圾邮件.     

基于贝叶斯算法的垃圾邮件过滤技术的研究与改进

随着电子邮件的应用与普及,垃圾邮件的泛滥也越来越多地受到人们的关注.本文对基于贝叶斯的垃圾邮件过滤器的原理及其关键技术进行了详细的描述.针对朴素贝叶斯模型对分类信息过度简化和准确率低等缺点,通过引入分级的最小风险算法和对多项式和多重贝努利估计模犁进行混合的方法分别对贝叶斯过滤器进行了改进,并进行了实验.实验结果表明,改进后的贝叶斯过滤器具有了更好过滤效果.     

基于朴素贝叶斯算法的个性化垃圾邮件过滤

目前电子邮件得到了广泛的应用,同时垃圾邮件问题也随之而来。本文针对垃圾邮件的处理,从用户的兴趣角度出发,基于朴素贝叶斯算法对垃圾邮件个性化过滤.在朴素贝叶斯算法的条件概率计算中,本文选用了多变量贝努里事件模型的计算方法,最后以VC++6.0为实验平台在Ling-Spam语料库上进行实验.     

一种基于内容的广告垃圾图像过滤方法

垃圾邮件制造者为了躲避基于文本的垃圾邮件过滤器的过滤，常常将文字嵌入到图像中，产生了大量的广告垃圾图像.为解决这一问题，提出了基于图像内容的垃圾图像过滤方法.首先提取出图像中的文字区域，再利用广告垃圾图像中的文字区域特征进行广告垃圾图像过滤.实验结果表明利用文字区域特征过滤广告垃圾图像是行之有效的.     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

浅谈企业网反垃圾邮件方案

分析了垃圾邮件的定义、现状、影响、成因及主流的反垃圾邮件技术,提出了企业反垃圾邮件方案,即设计和规划邮件系统安全性,综合应用各种反垃圾邮件技术,加强人员安全意识和良好习惯培养。