基于C-SVM和KPCA的垃圾邮件检测研究  

Spam detection approach based on Support Vector Machine and Kernel Principal-Component Analysis

作　　者：秦玉平[1] 耿姝[1] 孙宗宝[2] 

机构地区：[1]渤海大学信息科学与工程学院,辽宁锦州121000 [2]哈尔滨理工大学计算机科学与技术学院,哈尔滨150080

出　　处：《计算机工程与应用》2010年第19期94-96,共3页Computer Engineering and Applications

基　　金：国家自然科学基金(No.60603023);辽宁省教育厅资助项目(No.20060028)~~

摘　　要：现有的垃圾邮件检测算法存在小样本情况下泛化能力差的问题。提出了利用核主成分分析和支持向量机结合进行垃圾邮件检测的方法。与传统算法相比,该方法与邮件异构有很高的检测率、更强的泛化能力和更高的检测效率。实验证明了方法的实用性和高效性。Current spam filtering has poor generalization ability as given less priority knowledge.The KPCA and SVM are adopted to implement spam filtering detection.Compared with traditional algorithms this method can achieve higher detection rate and better generalization,and decrease time of performance.The experiment on data set shows the effectiveness and excellent performance of the method.

关 键 词：支持向量机 核主成分分析 垃圾邮件检测 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]