基于集成学习的图像垃圾邮件过滤方法

• 作者: 候圣 尹玉洁 王鑫宇 赵俊生
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 图像垃圾邮件过滤 图像分类 集成学习 K-NN算法 HSV颜色直方图
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图形与图像
• 页码范围: 1049-1059
• 页数: 11页
• 分类号: TP391.4
• 字数: 10056字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.06.013

摘要

目前的图像垃圾邮件过滤技术,大都采用国际上通用的垃圾图像数据集作为训练集,与中国国内图像垃圾邮件的图像特点不一致,图像数据缺乏实时更新,且分类器单一,过滤效果难以保证.针对该问题,在建立国内垃圾邮件图像数据库的基础上,首先提取图像的颜色、纹理和形状特征,再经K-NN分类算法优选出HSV颜色直方图特征对不同分类器进行训练、测试和性能比较,提出将基于粗糙集的K-NN算法、Naive Bayes算法和SVM算法构成的3种基分类器相结合,并基于串行迭代提升的方法形成集成学习的强分类器.该方法可以实现对国内图像垃圾邮件的有效过滤,使图像垃圾邮件过滤的准确率和召回率同时得到提升,分别为97.3％ 和96.1％,误判率降低到了2.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵俊生	内蒙古工业大学信息工程学院	9	25	4.0	4.0
2	候圣	内蒙古工业大学信息工程学院	1	0	0.0	0.0
3	王鑫宇	内蒙古工业大学信息工程学院	1	0	0.0	0.0
4	尹玉洁	内蒙古工业大学信息工程学院	1	0	0.0	0.0