基于改进朴素贝叶斯算法的垃圾邮件过滤器的研究

基于朴素贝叶斯算法的垃圾邮件过滤器是目前比较高效、经济的垃圾邮件过滤技术之一,它已经广泛应用到垃圾邮件过滤领域。文章在对朴素贝叶斯过滤器分析的基础上,针对朴素贝叶斯算法的缺陷结合损失最小化的思想,并根据垃圾邮件的特性对朴素贝叶斯算法做了改进,提出了改进朴素贝叶斯算法,该算法能够通过调整k值,降低合法邮件被错判为垃圾邮件的概率,从而最大程度减少用户的损失。     

基于贝叶斯算法的垃圾邮件过滤技术的研究与改进

随着电子邮件的应用与普及,垃圾邮件的泛滥也越来越多地受到人们的关注。本文对基于贝叶斯的垃圾邮件过滤器的原理及其关键技术进行了详细的描述。针对朴素贝叶斯模型对分类信息过度简化和准确率低等缺点,通过引入分级的最小风险算法和对多项式和多重贝努利估计模型进行混合的方法分别对贝叶斯过滤器进行了改进,并进行了实验。实验结果表明,改进后的贝叶斯过滤器具有了更好过滤效果。     

基于粗糙集和朴素贝叶斯的垃圾邮件过滤系统

提出了基于粗糙集理论和贝叶斯分类算法的垃圾邮件过滤方法。利用粗糙集约简算法对邮件样本集进行特征约简,删除对邮件过滤结果影响不大的冗余特征,从而降低了输入样本集的维数,解决了贝叶斯分类器训练时间长,样本集占用的存储空间过大的问题。实验证明,该方法可以提高邮件过滤     

基于贝叶斯理论的垃圾邮件算法研究

为减少垃圾邮件在服务器端的出现,以贝叶斯理论为基础,探讨了可在邮件服务器端实现过滤和自我升级的系统;以合法和非法两类邮件的分析为基础,采用贝叶斯模型生成过滤器,用真实邮件进行仿真操作,验证了模型的可行性。     

基于贝叶斯算法的垃圾邮件过滤技术

对基于朴素贝叶斯算法的垃圾邮件过滤技术进行了研究分析和实验验证．介绍了向量空间模型（VSM）方法以及特征向量抽取方法,推导和研究了引入“特征之间互相独立”假设的朴素贝叶斯分类算法．采用K次交叉验证的方法,以收集的一些邮件为语料,应用朴素贝叶斯分类算法,通过训练集计算得到类别的先验概率和特征项的类条件概率,并以此为基础对测试集中的邮件进行归属判断,以正确率和召回率为指标给出了实验结果．     

不完全朴素贝叶斯分类模型在垃圾邮件过滤中的研究

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以x-依赖的贝叶斯分类模型为基础,提出了一种新的N平均1-依赖邮件过滤模型.该模型利用N个1-依赖贝叶斯分类的平均概率估计值来对邮件的类别进行判别.实验证明,该模型可大幅度提高分类精度,得到更低的分类错误率,分类速度也令人满意.     

基于HTML卡方算法的垃圾邮件过滤器设计

介绍基于HTML标签的卡方分布算法在垃圾邮件过滤中的应用。首先对通过浏览器收集到的邮件进行分析,将其转换为HTML源代码的形式,再根据HTML语言的特点对其进行特征提取,从而达到邮件预处理的目的。随后采用LVQ神经网络建立分类器模型,以达到最终分离正常邮件（ham）和垃圾邮件（spam）的目的。对比实验表明,结合HTML代码的卡方分布特征提取和LVQ神经网络的分类器模型效果更好。     

基于AIS的中文垃圾邮件处理系统设计与实现

垃圾邮件在互联网上广泛传播，如何有效地避免和防范垃圾邮件已成为一个亟待解决的问题。受生物免疫系统的启发，文章提出了一种基于人工免疫的垃圾邮件处理系统，它采用检测器算法，不需要反复训练就可以分辨出垃圾和非垃圾邮件。实验结果表明，该算法和Bayesian算法相比，分类器对于突然的变化能够快速反应，表现出更高的动态适应性和系统稳定性，在召回率方面也得到了提高。     

基于地址与内容过滤的垃圾邮件过滤器设计

针对电子邮件系统中垃圾邮件引起的安全性问题,设计了一种邮件过滤系统模型。该模型采用CORBA/IIOP体系结构,在服务器端进行基于地址、内容的邮件过滤,其中内容过滤采用先进的潜在语义索引算法,并通过构建用户个性词典的方法解决了该算法中文档集用户兴趣有效性问题。     

垃圾邮件过滤系统的设计

伴随着电子邮件的广泛使用,垃圾邮件日益泛滥,严重影响了人们正常的工作、学习和生活。如今新型的垃圾邮件变化多端,使得传统的、单一的垃圾邮件过滤方法对新型垃圾邮件已经无能为力。针对这一难题,介绍了当前已经应用于垃圾邮件过滤领域主流的3种垃圾邮件过滤技术。通过详细分析各种技术的优缺点,对黑白名单过滤技术、基于规则的过滤技术和贝叶斯过滤技术进行整合,从而建立了一个分层次的垃圾邮件过滤系统模型,并对该过滤系统进行了性能分析。     

基于HMM模型的贝叶斯滤波方法

针对非线性动态系统估计问题,引入了一种不完全观测数据的统计模型——HMM模型。其双层随机结构较好地满足了实际估计的要求．在具体滤波过程中,将处理非线性问题常用的贝叶斯方法和HMM模型进行结合,通过预测和更新操作实现系统状态后验的连续递推估计,提高了运算速度．     

基于LMS算法的自适应滤波器的设计

设计了基于LMS算法的FIR自适应滤波器,采用MATLAB仿真软件对其进行了仿真。根据自顶向下的设计流程,采用DDS技术和流水线设计方法,在Quartus Ⅱ开发平台上采用Verilog HDL语言对其进行了硬件实现。实验结果证明该设计比普通自适应滤波器具有结构简单、易于实现、滤波速度快的优点.     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

基于克隆选择算法的FIR滤波器的设计

将改进的克隆选择算法用于FIR数字滤波器的设计中,以确定频率过渡带样本的最佳值。设计的FIR数字滤波器的仿真实验结果表明,与传统的查表方法相比,该免疫算法性能更优,滤波器通带波动更小,阻带衰减更大,能够很好地解决FIR滤波器优化问题。     

基于贝叶斯网络下的遗传算法

概率推理的基础是贝叶斯理论,它允许对任意的概率陈述作反向推导.利用概率论中的定理,将贝叶斯理论移植到遗传算法上,拓展了遗传算法的应用范围.     

一种新的基于粒子滤波的全盲接收机设计算法

提出一种新的基于粒子滤波的适用于时变衰落信道的全盲接收机设计算法。该算法根据粒子滤波理论估计后验概率分布,并采用贝叶斯滤波进行同步参数估计与符号判决。与卡尔曼滤波相比,该算法能有效应用于定时误差以及相差等非线性模型中的参数估计;同时较前馈式参数估计算法,能实现对时变定时误差、时变相差的实时跟踪与矫正,算法具有收敛速度快,所需数据量少等优点。文章最后通过计算机仿真对该算法性能进行分析比较。     

基于模拟退火遗传算法的FIR数字滤波器设计

研究了用模拟退火遗传算法来设计FIR数字滤波器，并针对算法在寻优过程中，参数搜索缓慢的特点提出了改进方法，该方法在一定程度上提高了算法的搜索性能．并结合FIR低通数字滤波器的设计给出了仿真结果。     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

基于Bayesian准则的鲁棒自适应波束形成算法

研究波束形成算法的前提是驾驶向量是确定的.在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题.该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器.仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性.     

基于贝叶斯过滤算法的反垃圾邮件策略

结合传统贝叶斯算法的数学定理．给出了朴素贝叶斯过滤算法以及该算法在反垃圾邮件中的六个处理步骤,算法通过渐进学习的方式分别建立三个哈希表,并预置相应的阀值来判定收到的邮件是否为垃圾邮件．以实例方式说明了此算法为基础的反垃圾邮件策略,最后指出了朴素贝叶斯算法存在的问题及可能改进的方向,对防范和处理垃圾邮件提供理论依据和实践参考．