基于支持向量机的垃圾信息过滤方法

被引：6

作者：

谷文成 ^{[1
]}

柴宝仁 ^{[2
]}

韩俊松 ^{[3
]}

机构：

[1] 齐齐哈尔大学网络信息中心

[2] 齐齐哈尔大学应用技术学院

[3] 中国人民银行齐齐哈尔支行

来源：

北京理工大学学报 | 2013年 / 33卷 / 10期

关键词：

支持向量机; 垃圾信息; 过滤; 分类器; 评价;

D O I：

10.15918/j.tbit1001-0645.2013.10.010

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

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.

引用

页码：1062 / 1066+1071 +1071

页数：6

共 6 条

[1] 基于Boosting算法的垃圾邮件过滤方法研究 [J].

柴宝仁 ;

谷文成 ;

牛占云 ;

周宏君 ;

王克生 .

北京理工大学学报, 2013, 33 (01) :79-83

[2] 基于贝叶斯概率理论的防火墙技术研究 [J].

崔超 ;

吴双 ;

张宪忠 ;

张志军 ;

赵京磊 .

北京理工大学学报, 2012, 32 (08) :801-804

[3] 基于内容过滤的个性化搜索算法 [J].

曾春 ;

邢春晓 ;

周立柱 .

软件学报, 2003, (05) :999-1004

[4]

Gene selection from microarray data for cancer classification—a machine learning approach[J] . Yu Wang,Igor V. Tetko,Mark A. Hall,Eibe Frank,Axel Facius,Klaus F.X. Mayer,Hans W. Mewes.Computational Biology and Chemistry . 2004 (1)

[5]

Modified support vector machines in financial time series forecasting[J] . Francis E.H. Tay,L.J. Cao.Neurocomputing . 2002 (1)

[6]

Support vector machine classification of microarray gene expression data, UCSC-CRL99-09 .2 Brown,M.P.S,Grundy,W.N,Lin,D,Christianini,N,Sugnet,C,Ares,M,Haussler,D. . 1999

← 1 →