|
|||||
|
|
| 基于模糊自适应粒子群的垃圾邮件过滤新方法 | |
| 引用本文： | 王刚,刘元宁,张晓旭,赵正东,朱晓冬,刘震.基于模糊自适应粒子群的垃圾邮件过滤新方法[J].吉林大学学报(工学版),2011,41(3):716-720. |
| 作者姓名： | 王刚 刘元宁 张晓旭 赵正东 朱晓冬 刘震 |
| 作者单位： | 1. 吉林大学计算机科学与技术学院,长春130012;吉林大学符号计算与知识工程教育部重点实验室,长春130012 2. 长春理工大学网络中心,长春,130022 3. 吉林大学计算机科学与技术学院,长春130012;长崎综合科学大学研究生院,日本长崎851-0193 |
| 基金项目： | 国家自然科学基金项目(60971089); 国家电子发展基金项目(财建[2009]537号); 吉林省科技厅项目(20090502) |
| 摘 要： | 提出了一种新的垃圾邮件过滤方法(NSFM),从高维的文本特征中删除冗余的特征,选择对分类精度提高有贡献的特征,从而提高了垃圾邮件过滤的分类准确率。提出了一种模糊自适应粒子群(IFAPSO),通过模糊控制,动态的调控粒子群的惯性权重、学习因子和粒子数量比。NSFM包含核心特征选择、特征选择、垃圾邮件过滤3个阶段,第一阶段利用信息增益求取每个特征的信息值,构建核心特征集合,生成一定数量的核心特征子集;第二阶段根据核心特征子集对IFAPSO进行初始化,利用模糊控制器对粒子群进行自适应的调节,完成特征选择;第三阶段使用支持向量机对最优的特征子集分类,完成垃圾邮件过滤。本文采用PU1、Ling-Spam、SpamAssassin数据集数,通过多种对比实验证明:本方法自适应性强,可选择到较优的特征子集,有效地提高了分类精度,提升了垃圾邮件过滤的性能,具有较高的实用价值。 |
| 关 键 词： | 人工智能 特征选择 粒子群 模糊控制 垃圾邮件过滤 支持向量机 |
Novel spam filtering method based on fuzzy adaptive particle swarm optimization |
|
| WANG Gang,LIU Yuan-ning,ZHANG Xiao-xu,ZHAO Zheng-dong,ZHU Xiao-dong,LIU Zhen.Novel spam filtering method based on fuzzy adaptive particle swarm optimization[J].Journal of Jilin University:Eng and Technol Ed,2011,41(3):716-720. | |
| Authors: | WANG Gang LIU Yuan-ning ZHANG Xiao-xu ZHAO Zheng-dong ZHU Xiao-dong LIU Zhen |
| Affiliation: | WANG Gang1,2,LIU Yuan-ning1,ZHANG Xiao-xu1,ZHAO Zheng-dong3,ZHU Xiao-dong1,LIU Zhen1,4(1.College of Computer Science and Technology,Jilin University,Changchun 130012,China,2.Ministry Key Laboratory of Symbol Computation and Knowledge Engineering,3.Network Center,Changchun University of Science and Technology,Changchun 130022,4.Graduate School of Engineering,Nagasaki Institute of Applied Science,Nagasaki 851-0193,Japan) |
| Abstract: | A Novel Spam Filtering Method(NSFM) is proposed,which removes redundant attributes from the high dimensional attributes,and selects the attributes,which contribute to the classification accuracy,thus,to improve the classification rate of spam filtering.A fuzzy adaptive particle swarm algorithm is developed,which can dynamically control the inertia weight,learning factor and particle number factor using fuzzy control.The NSFM consists of three stages,kernel feature selection,feature selection and spam filter... |
| Keywords: | artificial intelligence feature selection particle swarm optimization fuzzy control spam filtering support vector machines |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |