استفاده از الگوریتم ترکیبی فرا ابتکاری نهنگ و گردافشانی گلها جهت تشخیص ایمیل های اسپم

امروزه بسیاری ایمیل های غیر ضروری در صندوق ورودی کاربران به نام ایمیل های اسپم ایجاد می شود. تاکنون الگوریتم های یادگیری ماشین تا حدودی زیادی توانسته اند به طبقه بندی ایمیل های اسپم بپردازند؛ اما با افزایش ابعاد مجموعه داده ها ایمیل های اسپم سرعت و دقت الگوریتم های دسته بندی کاهش پیدا میکند؛ بنابراین محققان برای افزایش دقت و سرعت الگوریتم یادگیری ماشین از الگوریتم های فرا ابتکاری در کنار الگوریتم های دسته بند استفاده می کنند. در این پژوهش یک روش جدید ترکیب گرده افشانی گل ها و الگوریتم بهینه ساز نهنگ برای تشخیص ایمیل های اسپم ارائه شده است. نتایج مربوط به آزمایش های انتخاب ویژگی نشان میدهد که الگوریتم پیشنهادی در تکرار های کمتر و بیشتر توانسته نسبت به سایر الگوریتم های مقایسه ای بهتر عمل کند و کارایی بهتری از خود به نمایش بگذارد. نتایج مربوط به معیار دسته بندی در چهار آزمایش جدا مورد بررسی قرار گرفت که نتایج اولین آزمایش مربوط به زمان اجراهای الگوریتم های دسته بند شامل شبکه عصبی چندلایه و بیز ساده، k نزدیک ترین همسایه ماشین بردار پشتیبان و درخت تصمیم به لحاظ زمان بر حسب ثانیه نشان می دهد که الگوریتم پیشنهادی توانسته است که زمان بسیاری از دسته بندی ها را به طور جدی کاهش دهد و همچنین آزمایش ها از لحاظ معیارهای دسته بندی نشان میدهد که الگوریتم پیشنهادی توانسته است که دقت و حساسیت و صحت تمام دسته بند ها را به طور قابل توجه افزایش دهد.

کلیدواژه ها:

الگوریتم گرده افشانی ، الگوریتم بهینه سازی نهنگ ، تشخیص ایمیل های اسپم ، تابع V-Shape