深度置信网络在垃圾邮件过滤中的应用
本文关键词：深度置信网络在垃圾邮件过滤中的应用 出处：《计算机应用》2014年04期 论文类型：期刊论文
更多相关文章： 垃圾邮件 深度置信网络 分类 受限玻尔兹曼机 支持向量机
【摘要】：针对深层神经网络初始化方法不明确、泛化能力差而导致解决垃圾邮件过滤时效果较差的问题,提出了基于深度置信网络的分类方法。深度置信网络通过逐层无监督的方法来预训练网络,实现了网络的初始化。在LingSpam,SpamAssassin和Enron1三个广泛使用的数据集上,通过与目前最好的垃圾邮件过滤方法支持向量机(SVM)在分类性能上进行比较,实验结果表明深度置信网络的垃圾邮件过滤方法是有效的,获得了较高的准确率和召回率。
[Abstract]:Aiming at the problem that the initialization method of deep neural network is not clear and the generalization ability is poor, the problem of how to solve the problem of spam filtering is poor. A classification method based on deep belief network is proposed. The deep confidence network pretrains the network through the unsupervised layer by layer, and realizes the initialization of the network. In LingSpam, SpamAssassin and Enron1 three widely used data sets, with the current spam filtering method is the best support vector machine (SVM) to compare the classification performance, experimental results show that the method of spam filtering deep belief network is effective, high accuracy and recall rate.
【作者单位】： 辽宁工程技术大学电子与信息工程学院;辽宁工程技术大学研究生学院;
【基金】：国家青年科学基金资助项目(61003162) 国家科技支撑计划项目(2013bah12f01)
【分类号】：TP393.098
【正文快照】： 0引言电子邮件的速度快、成本低等优势使其成为人们用于思想和信息交流的强大工具,然而伴随而来的垃圾邮件成为当今网络的一个重要问题[1]。根据Ferris的研究估计,垃圾邮件数量占美国一家企业组织总电子邮件的15%至20%。在这样的情况下,垃圾邮件造成了大量的带宽浪费和邮件系
【参考文献】
相关期刊论文 前1条
1 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期
【共引文献】
相关期刊论文 前10条
1 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
2 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
3 刘婷婷;;基于支持向量机的水稻纹枯病识别研究[J];安徽农业科学;2011年28期
4 高闯;王立东;周世宇;;基于支持矢量机的宫颈细胞分类[J];辽宁科技大学学报;2009年03期
5 汪廷华;田盛丰;黄厚宽;廖年冬;;样本属性重要度的支持向量机方法[J];北京交通大学学报;2007年05期
6 尚磊;刘风进;;基于支持向量机的手写体数字识别[J];兵工自动化;2007年03期
7 胡淑燕;郑钢铁;;应用支持向量机的眼睑参数疲劳预测[J];北京航空航天大学学报;2009年08期
8 王自强;段爱玲;张德贤;;基于自适应核函数的支持向量数据描述算法[J];北京化工大学学报(自然科学版);2008年02期
9 陈增照;杨扬;董才林;何秀玲;;支持向量机动态学习方法及其在票据识别中的应用[J];北京科技大学学报;2006年02期
10 郭辉;刘贺平;王玲;;基于最小二乘支持向量机对偶优化问题的核偏最小二乘[J];北京科技大学学报;2006年08期
相关会议论文 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(下)[C];2012年
2 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
4 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七届中国控制会议论文集[C];2008年
5 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
6 王海丰;李壮;任洪娥;赵鹏;;基于非下采样Contourlet变换和SVM的纹理图像分割算法[A];第二十九届中国控制会议论文集[C];2010年
7 ;Image Classification with Ant Colony Based Support Vector Machine[A];中国自动化学会控制理论专业委员会A卷[C];2011年
8 晋朝勃;胡刚强;史广智;李玉阳;;一种采用支持向量机的水中目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
9 刘英林;刘洪鹏;g窃，
本文编号：1344518
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/1344518.html
