انتخاب ویژگی در تشخیص هرز نامه ها مبتی بر ترکیب طبقه بندها

طبقه بندی نامه های الکترونیکی در زمره روشهای یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیصبراساس محتوا و کلمات است . انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرایالگوریتم نقش بسزایی دارد . در این مقاله روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخابپیشرونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است .نتایج آزمایشها بر روی پایگاه اطلاعات نشان داد که روشهای انتخاب ویژگی ضمن کاهش تعداد ویژگیها، موجب افزایش نرخ درستیدر تشخیص هرزنامه ها شده است . به دلیل اینکه طبقه بندها در یک فرایند یادگیری ساخته می شوند امکان گرفتار شدن آنها درکمینه های محلی وجود دارد بنابراین برای افزایش دقت طبقه بندی . در این مقاله،از ترکیب نتایج دو طبقه بند پایه بیزو ماشینبردار پشتیبان استفاده و با نتایج حاصل از ترکیب طبقه بندها مورد مقایسه قرار گرفته است.

کلیدواژه ها:

ترکیب طبقه بندها ، ماشین بردار پشتیبان ، الگوریتم بیز ، انتخاب ویژگی ، طبقه بندی هرزنامه ، یادگیری ماشین