文献类型：期刊文章

作　　者：王刚[1,2] 刘元宁[1,2] 张晓旭[1,2] 赵正东[3] 朱晓冬[1,2] 刘震[1,4]

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,长春130012 [3]长春理工大学网络中心,长春130022 [4]长崎综合科学大学研究生院

出　　处：《吉林大学学报（工学版）》

基　　金：国家自然科学基金项目(60971089);国家电子发展基金项目(财建[2009]537号);吉林省科技厅项目(20090502)

年　　份：2011

卷　　号：41

期　　号：3

起止页码：716-720

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI(收录号：20112013990688)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种新的垃圾邮件过滤方法(NSFM),从高维的文本特征中删除冗余的特征,选择对分类精度提高有贡献的特征,从而提高了垃圾邮件过滤的分类准确率。提出了一种模糊自适应粒子群(IFAPSO),通过模糊控制,动态的调控粒子群的惯性权重、学习因子和粒子数量比。NSFM包含核心特征选择、特征选择、垃圾邮件过滤3个阶段,第一阶段利用信息增益求取每个特征的信息值,构建核心特征集合,生成一定数量的核心特征子集;第二阶段根据核心特征子集对IFAPSO进行初始化,利用模糊控制器对粒子群进行自适应的调节,完成特征选择;第三阶段使用支持向量机对最优的特征子集分类,完成垃圾邮件过滤。本文采用PU1、Ling-Spam、SpamAssassin数据集数,通过多种对比实验证明:本方法自适应性强,可选择到较优的特征子集,有效地提高了分类精度,提升了垃圾邮件过滤的性能,具有较高的实用价值。

关 键 词：人工智能 特征选择  粒子群 模糊控制 垃圾邮件过滤 支持向量机

分 类 号：TP18]