基于免疫算法的垃圾邮件过滤技术的研究

针对垃圾邮件的过滤,提出了一种基于免疫算法的垃圾邮件过滤方法,并给出相应的实现算法。免疫算法具有很强的学习、识别、容错性、记忆和特征提取的能力,基于免疫算法的垃圾邮件过滤在动态性和自适应性等方面具有明显的优势,因此免疫算法较传统算法更加适用于针对于垃圾邮件的过滤。本文通过仿真实验验证了基于免疫算法的垃圾邮件过滤方法对垃圾邮件过滤的能力,实验结果表明,与传统算法贝叶斯算法的相比,基于免疫算法的垃圾邮件过滤更具有效性。     

基于Bayes算法的垃圾邮件过滤

随着电子邮件在日常生活中多方面的灵活应用,大批量垃圾邮件的产生在很大程度上干扰了用户对电子邮件的使用.针对垃圾邮件过滤的研究现状,在阐述目前垃圾邮件过滤研究成果基础上,重点描述了具备高性能、低误判率的贝叶斯算法,并以贝叶斯算法、反馈学习技术为原理,利用Microsoft Visual C++6.0实现了垃圾邮件过滤系统.     

实用高效的垃圾邮件过滤算法

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以朴素贝叶斯算法和K最近邻(KNN：K-Nearest Neighbors)算法为基础,对传统垃圾邮件过滤算法进行改进,给出邮件的合法属性和非法属性的概念,并提出一种新的分类算法--基于邮件合法属性和非法属性的分类算法（SEASF：Simple and Efficient Algorithm to Spam Filter based on legitimate attribute and nonlicet attribute)。SEASF计算复杂度较低,可适用于大规模场合及邮件的在线过滤。将SEASF算法应用于垃圾邮件过滤的结果表明,该算法可大幅度提高分类精度,分类速度也令人满意。     

垃圾邮件过滤算法研究

对当前垃圾邮件过滤技术进行了深入研究,讨论了支持向量机分类器在智能垃圾过滤中的应用,分析了SVM算法的不足.结合k近邻算法,提出了一种基于支持向量的改进分类器,并通过大量实例对该分类器的有效性进行了验证.     

基于改进贝叶斯的垃圾邮件过滤算法综述

朴素贝叶斯分类器是机器学习中一种简单而又有效的分类方法,但是由于它的属性条件独立性假设在实际应用中经常不成立,这影响了它的分类性能,为此基于改进贝叶斯的垃圾邮件过滤算法已受到越来越多的研究人员关注．本文通过对当前提出的最新的具有代表性的基于改进贝叶斯的垃圾邮件过滤算法进行分析和比较,总结各个算法的优点和不足,从而便于研究者对已有的算法再进行改进,提出具有更好性能的新的邮件过滤算法,同时方便使用者在应用时对算法的选择和使用．     

垃圾邮件过滤技术研究

详尽介绍了现有的电子邮件过滤技术,分析了各种技术的特点,比较了它们的优缺点.对未来的研究方向进行了展望,提出了若干值得研究的问题.     

基于神经网络的垃圾邮件过滤

垃圾邮件的过滤是一个具有重要现实意义的课题.将交叉覆盖学习算法和向量空间模型等技术相结合可得到一种新的垃圾邮件过滤方法.实验结果表明该方法识别率较高,具有较强的实用价值.     

垃圾邮件的改进贝叶斯过滤算法

在研究贝叶斯过滤算法原理和实现方法的基础上,将垃圾邮件的先验概率由常数改进为实际概率,改进了token的选取范围和选取规则,在检测内容上增加url和图片。最后设计了一个基于改进贝叶斯过滤算法的垃圾邮件过滤器。实验结果表明,这种改进的贝叶斯过滤算法在垃圾邮件过滤中有良好的应用效果。     

基于源地址约束的垃圾邮件过滤模型

提出了一种基于关联规则的垃圾邮件挖掘算法，通过计算邮件源地址和邮件关键词的支持度来定位垃圾邮件源地址．该算法在Apriori算法基础上进行了改进，增加了邮件源地址和关键词约束，与基于关键词过滤算法相比提高了准确率，与基于语义分析的过滤算法相比降低了算法复杂度．实验结果表明，该算法的误判率在邮件数量增加到350封时会减小到4％，其过滤速度也会随着邮件的增加而提高。     

Naive Bayes算法在垃圾邮件过滤系统中的应用与改进

垃圾邮件是Internet上普遍面临的问题,Naive Bayes算法由于其简单高效性在文本分类中应用较广。文章重点阐述了Naive Bayes算法在基于内容的垃圾邮件过滤中的应用及改进,并进行了实验,获得了良好的分类效果,实验论证了它在垃圾邮件过滤中的可行性和有效性。     

基于支持向量机的垃圾信息过滤方法

针对垃圾信息过滤的问题,提出了一种基于支持向量机(SVM)算法的垃圾信息过滤方法. 利用文本分类和信息检索领域所常用的性能评价指标,建立了垃圾信息过滤的评价体系,针对仿真实验获得的实验数据,利用所建立的垃圾信息过滤评价体系对实验数据评价结果,选取了适合的核函数及其参数,构建了SVM分类器,同时也通过仿真实验和评价体系对SVM分类器和传统贝叶斯分类器进行了测试和评估. 结果表明,基于SVM算法的分类器提高了信息过滤的准确性,同时也验证了SVM算法在垃圾信息过滤中的有效性.      

信息污染中垃圾邮件的处理对策

简要介绍了信息污染中垃圾邮件的概念、分类及其危害,提出了治理垃圾邮件的技术措施。     

一种用于垃圾邮件过滤的中文关键词匹配算法

根据垃圾邮件过滤技术的现状,分析了常用的传统关键词匹配算法的弱点,在此基础上设计了一种改进     

基于自动分类的邮件过滤系统

电子邮件作为因特网一个主流的应用日益成为网络使用者不可缺少的工具,随之而来的垃圾邮件也越来越猖獗,对邮件的分类、检测与过滤显得尤为迫切.利用文本自动分类器,将接收到的邮件转换为向量表示,通过计算向量的相似度对其分类,方便用户使用.     

一种动态的邮件过滤技术

随着电子邮件的方便应用,用户希望从邮件集合中快速获取自己所需要的元素,文中通过对邮件特征进行分析并抽象化,借助改进神经网络实现邮件过滤,并通过仿真计算进行性能对比研究,在保证正确率下提供一个网络结构简单,收敛速度快,预测精度高的过滤方案。     

一种快速图象中值滤波算法

提出了一种基于灰度图象的二维中值滤波快速算法。该算法每次只考虑滑动窗中移出和移入的数据，避免了传统算法中因排序所需的大量数据比较，该算法比较次数仅与前后两次窗口中值的差值成正比。     

基于用户等级的协同过滤推荐算法

提出一种基于用户等级的协同过滤推荐算法, 解决了传统协同过滤推荐算法的扩展性问题. 该算法首先定义用户等级函数, 依据用户所评价的项目数确定用户等级; 并通过仅在用户等级的邻域内查找近邻的方法, 提高协同过滤推荐的效率. 实验结果表明, 该算法与传统协同过滤推荐算法相比, 在不影响推荐质量的前提下, 极大地提高了推荐效率.     

电力系统短期负荷预测的多神经网络Boosting集成模型

提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.     

基于曙光1000A的并行SVD图像滤波方法

提出了一种分块ＳＶＤ图像滤波算法,与现有的ＳＶＤ滤波方法相比,它有效地降低了存储开销,计算复杂度也由原来的Ｏ（ｎ３）降为Ｏ（ｎ２）;同时这种分块ＳＶＤ滤波方法具有很好的并行性,在曙光１０００Ａ上设计了并行处理算法,实验和分析都表明,其加速比接近处理机个数ｐ．