支持向量机在垃圾短信拦截系统中的实现

如何及时有效、准确的识别垃圾短信,并进行实时拦截是治理垃圾短信的重要条件。结合我国运营商目前垃圾短信处理现状,本文设计将支持向量机分类算法用于此套系统垃圾短信离线分类,并加以验证。     

基于多策略的垃圾短信过滤系统研究

在日常生活中,垃圾短信的存在使得用户倍感困扰,用户迫切需要对垃圾短信进行过滤.本文在已标记的72000条正常短信和80000条垃圾短信基础上,建立了朴素贝叶斯模型和KNN两个文本分类模型.经测试,每个模型的综合得分都达到90%以上.本文重点介绍朴素贝叶斯分类方法和KNN分类方法在文本分类中的实际运用;该系统的评价标准,采用准确率P和召回率R的平衡F值.分析了朴素贝叶斯模型、KNN模型在不同数据集下对F值的影响,并且综合分析两个模型的优缺点,建立模型对比示意图.     

基于多分类投影极速学习机的快速人脸识别方法

提出了一种基于多分类投影极速学习机的快速人脸识别方法.首先采用2DGabor小波提取所有人脸样本图像的人脸特征,然后将学习样本的人脸特征用于训练多分类投影向量机,最后将训练好的多分类投影极速学习机用于分类.采用CMU-PIE和ORL人脸数据库进行了对比实验,大量实验结果证实所提方法的识别正确率和速度均优于极速学习机和支持向量机方法.     

基于移动终端位置和发送内容的垃圾短信监控方案

文章提出了一种基于移动终端位置和发送内容的垃圾短信监控方案,整个系统可保证短信中心收到的大量短信被实时高效地监控、分类和处理,并实现对垃圾短信的实时拦截。     

核典型相关分析的融合人脸识别算法

为了更有效地映射图像数据样本到可分类特征空间,提高分类正确率,提出了一种新的基于核函数的典型相关分析的融合人脸识别算法.该方法首先把图像矩阵通过核函数影射到核空间,然后从核空间的行和列两个方向进行特征抽取,同时避免分解映射后的数据矩阵,简化了数据运算,获得了更具鉴别力的分类特征.在Ohio州立大学的OTCBVS可见/红外人脸数据库中进行了分类识别实验,实验结果表明:该方法可以获得90%以上的识别正确率,优于其他的典型相关分析的人脸识别方法的分类正确率.此外,对不均匀光照变化,表情变化等人脸识别的常见问题具有很好的抵抗能力.     

垃圾短信智能仲裁拦截能力提升实践

为了提升垃圾短信智能仲裁拦截率,减少客服仲裁人员的工作量,提高客户服务质量和满意度,本文对广西移动垃圾短信治理的现状进行了分析,对现有比较明显的垃圾短信特征进行分类,有针对性地优化智能仲裁平台的垃圾短信判定规则,从而有效地提升了垃圾短信的拦截能力。     

基于朴素贝叶斯算法的垃圾短信过滤系统

垃圾短信的日益泛滥已经影响到了广大民众的正常生活秩序.本文提出了一种以朴素贝叶斯分类算法为基础,并结合黑白名单和关键字等方法,具有自我学习能力,能有效地在手机终端上过滤垃圾短信的系统.     

基于大数据挖掘分析的垃圾短信治理方案

本文简要介绍了垃圾短信对社会带来的负面影响,分析了目前垃圾短信治理体系存在的不足,提出了基于大数据挖掘分析的垃圾短信治理方案:首先构建垃圾短信用户识别指标体系,通过引入随机森林模型,对垃圾短信用户进行识别和有效治理,最后运用平台对垃圾短信用户进行精细化管理。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于IQ图特征的小样本通信辐射源个体识别

在真实的战场环境中,我们很难采集到足够的带标签的敌方辐射源数据,因此,小样本学习变得越来越重要。通过不断地发展,CNN神经网络有着很强的处理图片分类的能力。在小样本条件下,为了充分利用发展最为成熟的CNN神经网络,本文提出了将一维IQ数据转化成二维的IQ图特征的方法,来进行针对小样本的分类任务。由于数据的IQ图具有重复性与个体的差异性,通过实验,这种方法在识别不同个体超短波电台上有着99.5%的正确率,对比双谱特征,IQ图特征具有更强的识别能力。这种特征变换方法简单,并且CNN网络处理图片分类的技术成熟,具有很强的实用性。