基于加权子图和支持向量机相融合的邮件分类算法

发布时间：2017-10-12 12:20

  本文关键词：基于加权子图和支持向量机相融合的邮件分类算法

  更多相关文章： 邮件分类 加权子图 特征提取 支持向量机 布谷鸟搜索算法

【摘要】：为了提高邮件分类的准确性和分类速度,提出一种基于加权子图和支持向量机相融合的邮件分类方法.首先通过收集邮件分类样本数据,利用加权子图提取邮件特征,并实现加权,然后采用核主成分分析选择邮件的最优特征子集,最后输入到支持向量机中进行学习,并采用布谷鸟算法搜索支持向量机参数,建立最优邮件分类器.仿真实验结果表明,该邮件分类方法不仅提高了邮件分类的正确率,而且分类速度明显加快,可以较好地满足网络邮件在线分类要求.
【作者单位】： 浙江工商大学实验室与资产管理处;
【关键词】： 邮件分类 加权子图 特征提取 支持向量机 布谷鸟搜索算法
【基金】：浙江省社会科学界联合会研究项目(2014Z051) 浙江省教育厅科研项目(Y201432308) 浙江省高等教育学会2015年度高等教育研究课题(Y20152309) 浙江省实验室工作研究项目(Y201519)
【分类号】：TP393.098;TP18
【正文快照】： 随着Internet迅速发展和普及,电子邮件(Email)已成为人们联络朋友的主要工具,但同时也产生了网络入侵、病毒、不良信息传播等问题,其中垃圾邮件问题不仅浪费网络资源,还扰乱了人们的正常生活.因此,对垃圾邮件进行有效检测和分类,成为当前网络邮件管理研究中的重大课题[1].传统

【参考文献】

中国期刊全文数据库 前3条

1 张兢;候旭东;吕和胜;;基于朴素贝叶斯和支持向量机的短信智能分析系统设计[J];重庆理工大学学报(自然科学版);2010年01期

2 陈功平;沈明玉;王红;张燕平;;基于内容的短信分类技术[J];华东理工大学学报(自然科学版);2011年06期

3 高茂庭;王正欧;;基于文档标引图模型的文本相似度策略[J];计算机工程;2008年07期

【共引文献】

中国期刊全文数据库 前10条

1 李欣;张聪;罗宪;;朴素贝叶斯应用于自动化测试用例生成[J];重庆理工大学学报(自然科学);2012年02期

2 杨文娟;;分布式智能消防报警与联动控制系统[J];重庆理工大学学报(自然科学);2012年06期

3 张步良;;基于分类概率加权的朴素贝叶斯分类方法[J];重庆理工大学学报(自然科学);2012年07期

4 孟利青;常润梅;;基于贝叶斯算法的短信营业厅防护系统设计[J];电信工程技术与标准化;2014年12期

5 常鹏;冯楠;马辉;;一种基于词共现的文档聚类算法[J];计算机工程;2012年02期

6 孟海东;张炼;吕海林;;基于图模型的文本分类方法的研究[J];计算机与现代化;2010年09期

7 张东亮;董礼;;基于改进的朴素贝叶斯算法在垃圾短信过滤中的研究[J];计算机测量与控制;2012年02期

8 常鹏;冯楠;;基于词共现的文档表示模型[J];中文信息学报;2012年01期

9 张永军;刘金岭;;基于特征词的垃圾短信分类器模型[J];计算机应用;2013年05期

10 王红;张燕平;陈功平;;云计算在手机短信分类中的应用研究[J];华中师范大学学报(自然科学版);2013年05期

中国博士学位论文全文数据库 前2条

1 李群;主题搜索引擎聚类算法的研究[D];北京林业大学;2011年

2 王占一;Web文本挖掘中若干问题的研究[D];北京邮电大学;2012年

中国硕士学位论文全文数据库 前10条

1 石安磊;基于文本相似度评分的中医案例分析系统研究与实现[D];西北大学;2011年

2 王利鑫;文本自动比对研究与应用[D];南京信息工程大学;2011年

3 张炼;基于图模型的Web文档分类方法研究[D];内蒙古科技大学;2010年

4 王金花;一种利用本体关联度改进的TF-IDF特征词提取方法[D];河北大学;2011年

5 谭暑秋;贝叶斯网络在质量管理分类中的应用研究[D];重庆理工大学;2011年

6 王晓园;贝叶斯方法在保险精算中的应用研究[D];重庆理工大学;2011年

7 赵文娟;基于支持向量机的不平衡数据分类研究及应用[D];重庆理工大学;2011年

8 张菲;基于本体的材料腐蚀特征信息检索模型及应用技术研究[D];重庆理工大学;2011年

9 赵俊杰;基于文本挖掘技术的论文抄袭判定研究[D];合肥工业大学;2009年

10 闫晨;KNN文本分类研究[D];燕山大学;2010年

【二级参考文献】

中国期刊全文数据库 前8条

1 邢军;韩敏;;基于两层向量空间模型和模糊FCA本体学习方法[J];计算机研究与发展;2009年03期

2 黄秀丽;王蔚;;一种改进的文本分类特征选择方法[J];计算机工程与应用;2009年36期

3 李旭升;郭耀煌;;一种新颖混合贝叶斯分类模型研究[J];计算机科学;2006年09期

4 孙晋文;肖建国;;基于SVM文本分类中的关键词学习研究[J];计算机科学;2006年11期

5 鲁明羽;;Bayes文本分类器的改进方法研究[J];计算机工程;2006年17期

6 金展;范晶;陈峰;徐从富;;基于朴素贝叶斯和支持向量机的自适应垃圾短信过滤系统[J];计算机应用;2008年03期

7 周茜,赵明生,扈e，

本文编号：1018680