基于用户兴趣集的在线垃圾邮件快速识别新方法

发布时间：2017-09-05 15:16

  本文关键词：基于用户兴趣集的在线垃圾邮件快速识别新方法

  更多相关文章： 垃圾邮件 用户兴趣集 支持向量机 主动学习 在线应用

【摘要】：为在不显著降低垃圾邮件识别精度的同时有效提高邮件识别速度,提出了一种在线垃圾邮件快速识别新方法.首先引入用户正、负兴趣集的概念,结合用户兴趣集及支持向量机对邮件进行分类;然后根据主动学习理论,结合训练集样本密度及改进角度差异方法寻找分类最不确定的样本并推荐给用户进行类别标注;最后将标注后样本及分类最确定性样本加入训练集,并使用样本价值评价新函数淘汰冗余样本以生成新的训练集.实验表明,本文方法的用户标注负担小,垃圾邮件识别精度高、速度快,具有较高的在线应用价值.
【作者单位】： 吉林大学计算机科学与技术系;
【关键词】： 垃圾邮件 用户兴趣集 支持向量机 主动学习 在线应用
【基金】：国家科技成果转化项目(财建[2011]329,财建[2012]258)
【分类号】：TP391.4;TP393.098
【正文快照】： 1弓丨会■ port Vector Machine,SVM)的增量学习方法[4]·该方法将m 规模较大的训练集等分成若干子集,通过将每个子集加在线垃圾邮件识别可以被看作是一种典型的文本入到先前子集对应的支持向量集中实现SVM增量学分类问题[1]·不同于传统文本分类,在线垃圾邮件识别习.该方法验

【参考文献】

中国期刊全文数据库 前2条

1 丁文军;薛安荣;;基于SVM的Web文本快速增量分类算法[J];计算机应用研究;2012年04期

2 陈荣;曹永锋;孙洪;;基于主动学习和半监督学习的多类图像分类[J];自动化学报;2011年08期

【共引文献】

中国期刊全文数据库 前10条

1 ;A new method of mesh simplification for 3-Dimension terrain using Laplace operator[J];Computer Aided Drafting,Design and Manufacturing;2012年01期

2 徐冉冉;李文斌;李朝锋;;支持向量机在遥感图像分类中的应用研究综述[J];电脑知识与技术;2012年18期

3 黄扬帆;张慧敏;徐子航;曹鹏程;;超球体支持向量机的不完全二叉树多类分类算法[J];重庆大学学报;2012年06期

4 张雁;吴保国;王冬;;遥感影像分类方法研究动态[J];安徽农业科学;2012年28期

5 Yan ZHANG;Baoguo WU;Dong WANG;;Research Dynamics of the Classification Methods of Remote Sensing Images[J];Asian Agricultural Research;2013年03期

6 陈洁萍;甘泉;张慧;;一种基于最优路径搜索的图像分类方法[J];电视技术;2014年23期

7 叶巍;龚建华;郭娜;路梅;赵向军;;基于流形结构的图像地理信息标注方法[J];地理与地理信息科学;2015年03期

8 陈孝礼;刘培玉;;应用于垃圾邮件过滤的词序列核[J];计算机应用;2011年03期

9 张建朋;陈福才;;基于仿射聚类的主动SVM多类分类方法[J];计算机应用研究;2012年09期

10 曹健;李海生;蔡强;郭世龙;;图像目标的特征提取技术研究[J];计算机仿真;2013年01期

中国重要会议论文全文数据库 前1条

1 曹健;陈红倩;毛典辉;李海生;蔡强;;基于局部特征的图像目标识别问题综述[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

中国博士学位论文全文数据库 前6条

1 权伟;可视对象跟踪算法研究及应用[D];西南交通大学;2013年

2 尚海昆;电力变压器局部放电信号的特征提取与模式识别方法研究[D];华北电力大学;2014年

3 张雁;基于机器学习的遥感图像分类研究[D];北京林业大学;2014年

4 吴振宇;足球机器人目标识别及决策规划方法研究[D];大连理工大学;2014年

5 王友卫;基于统计的垃圾邮件识别关键技术研究[D];吉林大学;2015年

6 洪智勇;基于软集的不确定性分析方法及应用研究[D];西南交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 陈孝礼;基于改进SVM的垃圾邮件过滤系统研究与实现[D];山东师范大学;2011年

2 孙吉谭;基于内容的垃圾邮件意图分析方法研究[D];吉林大学;2011年

3 王慕妮;基于组合及统计的图像型垃圾邮件检测研究[D];南京邮电大学;2012年

4 左文品;采用缓存和Laplace网格简化技术的三维地形可视化研究[D];吉林大学;2012年

5 曹盼东;基于图模型的半监督SVM分类算法研究与应用[D];哈尔滨工程大学;2012年

6 李文博;基于主动学习的本体概念关系辅助判断技术研究[D];沈阳航空航天大学;2013年

7 胡文婷;基于半监督的垃圾图片过滤技术研究[D];南京邮电大学;2013年

8 王瑶;结合主动学习的半监督分类算法优化研究[D];大连理工大学;2013年

9 史真真;个性化语音康复训练推荐系统的设计与实现[D];青岛大学;2013年

10 李向林;基于主动学习的图像分类研究[D];西安电子科技大学;2013年

【二级参考文献】

中国期刊全文数据库 前1条

1 吴崇明;王晓丹;白冬婴;张宏达;;基于类边界壳向量的快速SVM增量学习算法[J];计算机工程与应用;2010年23期

【相似文献】

中国期刊全文数据库 前10条

1 蒋学锋;;用户兴趣的结构和个性化服务的实现[J];计算技术与自动化;2005年04期

2 李钝;曹元大;张龙飞;;用户兴趣优化过滤方法研究[J];计算机工程;2006年20期

3 费洪晓;戴弋;穆s，

本文编号：798714