基于内容与行为特征的反垃圾邮件系统

邮件过滤技术是反垃圾邮件的重要手段,但是单纯从内容过滤或者行为识别出发,不能有效的杜绝垃圾邮件的泛滥。本文提出了一种基于服务器端的垃圾邮件过滤系统,它通过对垃圾邮件内容和行为两方面进行特征提取,将反映垃圾邮件的特征综合在一起统称为“属性”进行多重侦测。内容过滤方面采用可学习的Bayes算法,行为识别方面则提取垃圾邮件在发送过程中的特征进行有效的阻断。添加客户端自定义处理模块,从而避免了单纯基于IP、信头、信封过滤的规则性太强的缺点,降低将正常邮件判断为垃圾邮件的风险。     

基于QMAIL-LDAP的反垃圾邮件系统

互联网上垃圾邮件问题日益严重,有必要在邮件系统上实施垃圾邮件防范措施。该文分析了垃圾邮件的起因和特点,提出了垃圾邮件的防范措施和基于QMAIL-LDAP的反垃圾邮件系统,阐述了该系统的体系结构及其实现方法,以实际运行数据说明了系统对抗垃圾邮件的有效性。     

朴素贝叶斯算法在反垃圾邮件系统中的应用

在进行文本信息的分类中,通过朴素贝叶斯算法对邮件进行分类是一种简单有效的方法,朴素贝叶斯在分类时假设属性之间条件独立,降低了复杂度。该文结合应用实例,给出了朴素贝叶斯算法在反垃圾邮件中的分类原理,达到了智能动态过滤垃圾邮件的效果。     

朴素贝叶斯算法在垃圾邮件过滤中的分析和应用

朴素贝叶斯方法(Naive Bayes)以其运行快速、易于实现的特点,被广泛应用于各种文本分类和邮件过滤的应用系统中,但现有以NB为基础的过滤系统在分类性能、准确率等方面还存在一些问题,深入研究需要了解相关的背景知识.本文首先分析和比较了现存的各种NB版本,总结各个NB的优点和不足,进而又介绍和比较了具有代表性的各种NB改进算法,目的是便于研究者在进行改进和深入研究时能有一个明确的方向.     

基于内容过滤的反垃圾邮件系统的设计与实现

研究基于内容过滤的反垃圾邮件技术,主要包括贝叶斯概率统计和分布式校验值交换,进行一个反垃圾邮件系统的设计和实现.在反垃圾邮件系统的研究中,通过提供和改进MTA 层过滤接口、MDA 层过滤接口和用户反馈机制,可以完善整个邮件系统的防御体系,并支持个性化的反垃圾邮件控制功能.最后,在实验中通过采用K次交叉验证的方法,得到系统的评价指标,并证明了系统的有效性.     

基于贝叶斯的垃圾邮件过滤算法的研究

基于内容的垃圾邮件过滤问题是Internet安全技术研究的一个重点问题,而基于贝叶斯的分类方法在垃圾邮件处理上表现出了很高的准确度,因此受到了广泛的关注。在朴素贝叶斯算法的基础上,提出了一种基于最小风险贝叶斯方法同Boosting算法相结合的邮件过滤改进算法,提高了分类的精确度。实验证明,算法在邮件过滤中有更好的表现。     

基于邮件系统组件的过滤技术

介绍了垃圾邮件的定叉和危害,并且针对通用的Internet邮件系统,提出了基于邮件系统组件的垃圾邮件过滤技术并加以分析.     

基于贝叶斯网络的垃圾邮件自动识别

在分析反垃圾邮件技术发展现状的基础上,提出一种基于贝叶斯智能分析的垃圾邮件识别方法,利用邮件中的词串作为构建贝叶斯网络的特征参数对网络进行训练,并用训练好的贝叶斯网络对邮件进行识别.实验结果表明文中提出的方法有良好的自学习能力及自适应性,具有较强的实用性.     

贝叶斯网络模型在反垃圾邮件中的应用

近些年,网络上的垃圾邮件肆意横行,令人深恶痛绝,因此反垃圾邮件就成了亟待解决的问题。而贝叶斯网络理论的研究为反垃圾邮件指出了一个明确方向。贝叶斯推断理论提供一种概率手段,为数据建模提供了个统一的框架,而且它为算法的分析提供了理论基础。本文在对贝叶斯网络分类模型形式化描述的基础上,设计了一个基于贝叶斯分类器的反垃圾邮件模型。实验证明,利用基于贝叶斯分类器的反垃圾邮件模型对邮件进行分类时可以获得较高的准确率和不错的查全率。     

基于贝叶斯分类器的垃圾邮件过滤的研究与改进

介绍了一个改进的基于贝叶斯分类技术的垃圾邮件过滤器的系统结构,完成了系统的整体设计和实现。提出了一种改进的邮件信息增益方法,选取多个样本进行实验比较分析,提高了贝叶斯分类器的性能。     

基于文本过滤的贝叶斯分类算法的改进

针对传统贝叶斯分类算法无法满足复杂网络文本过滤需求,提出一种多词 贝叶斯分类算法(Multi Word-Bayes,MWB)。该算法一方面引入了特征权重(Term Frequency-Inverse Document Frequency,TF-IDF)的计算思想,优化了传统贝叶斯分类算法只考虑词频不考虑文本间关系的问题;另一方面将词与词间的关系作为文本分类的重要参考项,克服了传统贝叶斯分类算法在分类器训练上对语义分析的忽视。实验结果表明,MWB在垃圾文本过滤上具有更好的分类性能。     

一种基于AIS和Bayes网络的垃圾邮件过滤算法

将人工免疫系统和贝叶斯网络相结合应用于垃圾邮件的过滤,设计了一个基于AIS和Bayes网络的垃圾邮件过滤算法,分析并解决了该算法实现过程中的关键问题,给出了亲和力的计算方法和抗原/抗体的结构定义。在PU1bare 语料的基础上与Carreras提出的AdaBoost方法进行对比实验,最后给出了实验结果。     

基于邮件队列的高速邮件系统设计

提出了一种基于邮件队列的邮件投递过滤方式。根据相应的可动态扩展的策略建立邮件队列,通过对特征邮件队列的限制实现对垃圾邮件的限制,使合法邮件得到及时处理,极大地提高了系统的性能。     

基于贝叶斯方法的网络信息过滤技术研究

随着计算机和网络技术的发展,网络上的信息越来越多,如何在短时间内查询到符合自己需求的有用信息,是每一个网络用户非常关心的问题。信息过滤的研究是当前一个比较热门的话题,信息的筛选和过滤是对信息按照预先确定的标准进行分类。本文在分析大量网络信息的基础上,利用贝叶斯方法进行研究,提出一个基于贝叶斯统计分析的信息过滤模型。     

基于内容的垃圾短信过滤

研究一种基于最小风险贝叶斯决策的垃圾短信过滤方法。对于以文本信息为主的短信,采用信息增益的方法进行特征选择,使用基于最小风险贝叶斯决策方法进行分类。通过自建短信语料库对该方法进行了实验。实验结果表明,该方法能够准确地对短信进行分类,降低合法短信的分类错误率,分类正确率达到99.3%,符合了短信分类要求。     

基于朴素贝叶斯的中文垃圾短信过滤系统的设计

在传统垃圾短信过滤系统基础上引入了中文分词算法和朴素贝叶斯算法,使其具有了自学习能力,克服了传统垃圾短信系统需要人工设置、无法适应短信内容变化、误判率高的缺点。实践证明该短信过滤系统具有较高的准确率和适应力。     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

基于分层并行筛选样本的SVM增量学习算法

在增量学习过程中,随着训练集规模的增大,支持向量机的学习过程需要占用大量内存,寻优速度非常缓慢。在现有的一种支持向量机增量学习算法的基础上,结合并行学习思想,提出了一种分层并行筛选训练样本的支持向量机增量学习算法。理论分析和实验结果表明:与原有的算法相比,新算法能在保证支持向量机的分类能力的前提下显著提高训练速度。     

手机垃圾短信过滤系统的设计和实现

针对目前手机垃圾短信过滤的几种方法,分析与比较这些方法的优缺点,在此基础上,介绍贝叶斯过滤方法的原理,讨论基于贝叶斯推理方法的过滤技术在手机垃圾短信过滤中的优点和适用性,重点介绍贝叶斯推理方法在手机短信过滤中的应用,实验结果显示该系统具有较好的过滤效果。     

基于分层并行筛选样本的SVM增量学习算法

在增量学习过程中，随着训练集规模的增大，支持向量机的学习过程需要占用大量内存，寻优速度非常缓慢。在现有的一种支持向量机增量学习算法的基础上，结合并行学习思想，提出了一种分层并行筛选训练样本的支持向量机增量学习算法。理论分析和实验结果表明：与原有的算法相比，新算法能在保证支持向量机的分类能力的前提下显著提高训练速度。