改进支持向量机的电子邮件分类

发布时间：2018-07-27 10:52

【摘要】：电子邮件分类有利于垃圾邮件的过滤,节省网络资源。为了提高邮件分类的精度,提出了改进支持向量机的电子邮件分类器模型。首先提取电子邮件的原始特征,并采用主成分分析法对特征进行选择,减少特征数量,提高邮件分类效率;然后采用支持向量机建立电子邮件分类器,并对传统支持向量机参数选择方法进行改进,改善邮件分类效果,最后采用邮件分类的标准数据库——UCI进行性能分析。结果表明,改进支持向量机解决了当前电子邮件分类模型的不足,获得了理想的电子邮件分类效果,分类结果可以帮助管理人员拦截垃圾邮件。
[Abstract]:E-mail classification is beneficial to spam filtering and saving network resources. In order to improve the accuracy of mail classification, an improved support vector machine (SVM) model of email classifier is proposed. Firstly, the original features of email are extracted, and the features are selected by principal component analysis (PCA) to reduce the number of features and improve the efficiency of email classification. Then, support vector machine (SVM) is used to build an e-mail classifier. The traditional support vector machine parameter selection method is improved to improve the effect of mail classification. Finally, the standard database of mail classification is used to analyze the performance of UCI. The results show that the improved support vector machine solves the shortcomings of the current email classification model and achieves an ideal email classification effect. The classification results can help managers intercept spam.
【作者单位】： 琼台师范学院信息技术系;
【分类号】：TP393.098;TP18

【相似文献】

相关期刊论文 前10条

1 谢伟全;叶强;李一军;;基于用户知识的中文电子邮件分类[J];计算机应用研究;2007年03期

2 刘震;谭良;周明天;;垃圾邮件分类的偏依赖特性研究[J];电子学报;2007年10期

3 黄国玉;龙润生;;基于神经网络的邮件分类识别模型研究[J];南华大学学报(自然科学版);2008年02期

4 秦晓倩;;免疫危险理论在电子邮件分类中的应用[J];江西师范大学学报(自然科学版);2010年02期

5 秦晓倩;;危险理论在电子邮件分类中的应用[J];华中师范大学学报(自然科学版);2010年01期

6 穆俊鹏;董魁锋;张明;;基于动态特征库的电子邮件分类的研究[J];计算机与现代化;2012年07期

7 陆殿军 ,梅杰;电子邮件分类过滤的实现方法[J];多媒体世界;1999年12期

8 陆青梅;尹四清;;基于数据挖掘的邮件分类识别研究[J];现代计算机(专业版);2007年08期

9 廖玲;文敦伟;;基于内容粘合性的邮件分类[J];计算机仿真;2008年02期

10 李艳;范明;;基于基本显露模式的电子邮件分类与过滤技术[J];南京大学学报(自然科学版);2008年05期

相关重要报纸文章 前3条

1 欣语;ICT让英国警署内部数据“滴水不漏”[N];人民邮电;2010年

2 ;如何在虚拟市场中把握商机[N];国际商报;2000年

3 ;MailDVR帮企业找回丢失的生产力[N];计算机世界;2003年

相关硕士学位论文 前10条

1 周志军;中文邮件分类系统的研究及其实现[D];苏州大学;2005年

2 谢伟全;基于用户知识的商务电子邮件分类研究[D];哈尔滨工业大学;2006年

3 孙英娟;邮件分类的智能Agent系统的研究[D];东北师范大学;2004年

4 李方圆;基于决策树的邮件分类技术研究[D];湖南师范大学;2007年

5 李洋;基于数据挖掘的邮件分类识别研究[D];重庆大学;2004年

6 黄国玉;基于神经网络的邮件分类识别研究[D];长安大学;2006年

7 李志彤;邮件分类的意群算法研究[D];北京化工大学;2012年

8 林宏正;基于粗糙集和神经网络的邮件分类研究[D];暨南大学;2008年

9 田震生;基于文本聚类技术的邮件分类系统的研究与实现[D];河海大学;2005年

10 胡文洁;基于MNNB方法的邮件分类技术[D];电子科技大学;2010年

，

本文编号：2147585