الگوریتم های کلاسبند شبکه عصبی MLP و ماشین بردار پشتیبان ( SVM ) برای تشخیص ایمیلهای ناخواسته

مسئله استخراج ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و در بررسی مسائل شناخت الگو مطرح است. در کارهای انجامشده معمولاً برای دستهبندی از همان ویژگیهای استخراجشدهی پیشفرض استفادهمیکنند. درصورتیکه این استخراج ویژگی هدفمند و بهصورت بهینه و دقیق انتخاب گردد در این صورت دقت الگوریتم در تشخیص بسیار بهتر میگردد. بر این اساس در این مقاله بر این مبنا ابتدا با توجه به بررسی ایمیلهایمتفاوت، ویژگیهای ایمیل هرزنامه و غیر هرزنامه را که عبارتاند از کلمات، عبارات، کاراکترهای خاص، سرآیند ایمیل )وابسته به دامنه( را با استفاده از روش تحلیل محتوا کدبندی بهگونهای استخراج شود تا با کمترین تعداد ویژگیبالاترین دقت را در تفکیک ایمیلها و تشخیص هرزنامهها داشته باشد . همچنین با استفاده از ویژکیهای بهینه استخراج شده از روش تحلیل محتوا دو الگوریتم مهم کلاسبندی با استفاده از شبکه های عصبی MLP و ماشین بردار پشتیبان SVM را پیاده سازی و مقایسه خواهیم نمود

کلیدواژه ها:

یادگیری ماشین ، استخراج ویژگی ، کلاسبندی ، الگوریتم کلاسبند شبکه های عصبی MLP ، ماشین بردار پشتیبان SVM