改进的一分类支持向量机的邮件过滤研究

doi:10.3778/j.issn.1002-8331.2009.20.045

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 151-153.DOI: 10.3778/j.issn.1002-8331.2009.20.045

改进的一分类支持向量机的邮件过滤研究

秦谊¹，裴峥¹，杨霁琳²

1.西华大学数学与计算机学院，成都 610039
2.西南交通大学数学学院，成都 610031

收稿日期:2009-03-24 修回日期:2009-05-07 出版日期:2009-07-11 发布日期:2009-07-11

Filtering e-mail based on improved One-class Support Vector Machine.

QIN Yi¹，PEI Zheng¹，YANG Ji-lin²

1.School of Mathematics & Computer Science，Xihua University，Chengdu 610039，China
2.School of Mathematics，Southwest Jiaotong University，Chengdu 610031，China

Received:2009-03-24 Revised:2009-05-07 Online:2009-07-11 Published:2009-07-11

摘要/Abstract

摘要： 服务器端存在多个用户，且人们对邮件内容的理解和认可程度不同，因此邮件过滤中涉及到不确定信息的处理。就邮件内容来看，邮件过滤通常涉及到隐私，不利于大量收集样本并评价打分。因此提出了一种基于改进的一分类支持向量机的邮件过滤方法。该方法优点在于：（1）用户只需为不确定性很强的待区分邮件给出隶属度；（2）只需收集和训练一类邮件样本，便可以建立邮件分类模型；（3）把隶属度首次引入到1-SVM中，并且由隶属度的值的大小来确定惩罚因子的值。通过仿真实验验证了该方法的有效性。

关键词: 一分类支持向量机, 邮件过滤, 隶属度, 不确定性, 有序加权平均算子

Abstract: Because there are many users in server，and users have different understand or admitting degrees for the content of e-mails，uncertain information processing is dealt with in filtering e-mails.From the content of e-mails point of view，filtering e-mails always deals with privacy，this is disadvantage for largely collecting e-mails and evaluating them.Filtering e-mail based on improved one-class SVM is proposed，the advantages of the method are（1）users only give membership degrees for uncertain e-mails which will be dealt with；（2）classing e-mails model is constructed by a kind of e-mail samples；（3）membership degrees are discussed in one-class SVM，and membership degrees are also used to decide punish factors.Simulation shows that the method is effective.

Key words: One-class Support Vector Machine（1-SVM）, e-mail filtering, membership degree, uncertainty, Ordered Weighted Averaging（OWA） operator

秦谊¹，裴峥¹，杨霁琳². 改进的一分类支持向量机的邮件过滤研究[J]. 计算机工程与应用, 2009, 45(20): 151-153.

QIN Yi¹，PEI Zheng¹，YANG Ji-lin². Filtering e-mail based on improved One-class Support Vector Machine.[J]. Computer Engineering and Applications, 2009, 45(20): 151-153.

[1]	王运成，周春华，陈楚湘，吴善明，陈冰. 基于二叉知识树推理的可扩展智能排课系统[J]. 计算机工程与应用, 2021, 57(5): 251-257.
[2]	谢兄，杨金鹏. YOLO-wLU：考虑定位不确定性的目标检测算法[J]. 计算机工程与应用, 2021, 57(22): 223-231.
[3]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[4]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[5]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[6]	孙金岭，袁朋朋，孔盼盼. 考虑处理基金和回收品质量的闭环供应链决策[J]. 计算机工程与应用, 2020, 56(15): 259-267.
[7]	葛显龙1，2，薛桂琴1. 不确定环境下多品类共同配送路径优化[J]. 计算机工程与应用, 2019, 55(9): 264-270.
[8]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[9]	马峻岩，张颖，李易，王瑾，张特. HA2：层次化的物联网感知设备固件异常分析技术[J]. 计算机工程与应用, 2019, 55(22): 60-68.
[10]	钟毓灵，王习特，白梅，朱斌，李冠宇. FODU：不确定数据集中快速离群点检测方法[J]. 计算机工程与应用, 2019, 55(19): 105-114.
[11]	李娟，游晓明，刘升，陈佳. 自适应模糊蚁群系统[J]. 计算机工程与应用, 2019, 55(15): 75-81.
[12]	韩梅1，2，康凯1. 回收数量不确定的双重竞争闭环供应链定价研究[J]. 计算机工程与应用, 2019, 55(12): 230-236.
[13]	赵建堂. 大数据分割式极限学习机算法[J]. 计算机工程与应用, 2019, 55(10): 73-76.
[14]	盛晓遐1，杨志民2，王甜甜1. DP聚类的可信性加权模糊支持向量机[J]. 计算机工程与应用, 2019, 55(10): 169-178.
[15]	林玉香1，王慧婷2. 连续不确定协作用户的隐私保护方法[J]. 计算机工程与应用, 2018, 54(9): 109-115.

改进的一分类支持向量机的邮件过滤研究

Filtering e-mail based on improved One-class Support Vector Machine.

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics