الگوریتم های کلاسبند شبکه عصبی MLP و ماشین بردار پشتیبان (SVM) برای تشخیص ایمیل‌های ناخواسته

الگوریتم های کلاسبند شبکه عصبی MLP و ماشین بردار پشتیبان (SVM) برای تشخیص ایمیل‌های ناخواسته

محمد حسین یکتایی1 منا پورنجارزاده2

1) استادیار ، دانشگاه آزاد اسلامی واحد آبادان ،
2) دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار،دانشگاه آزاد اسلامی واحد اهواز

کد IOI مقاله : XYEZ-AHDEG
محل انتشار : کنفرانس بین المللی پژوهش در علوم و تکنولوژی(rstconf.com)
چکیده :
    مسئله استخراج ويژگي، يكي از مسائلي است كه در مبحث يادگيري ماشين و در بررسي مسائل شناخت الگو مطرح است. در کارهای انجام‌شده معمولاً برای دسته‌بندی از همان ویژگی‌های استخراج‌شده‌ی پیش‌فرض استفاده می‌کنند. درصورتی‌که این استخراج ویژگی هدفمند و به‌صورت بهینه و دقیق انتخاب گردد در این صورت دقت الگوریتم در تشخیص بسیار بهتر می‌گردد. بر این اساس در این مقاله بر این مبنا ابتدا با توجه به بررسی ایمیل‌های متفاوت، ویژگی‌های ایمیل هرزنامه و غیر هرزنامه را که عبارت‌اند از کلمات، عبارات، کاراکترهای خاص، سرآیند ایمیل (وابسته به دامنه) را با استفاده از روش تحلیل محتوا کدبندی به‌گونه‌ای استخراج شود تا با کمترین تعداد ویژگی بالاترین دقت را در تفکیک ایمیل‌ها و تشخیص هرزنامه‌ها داشته باشد. همچنین با استفاده از ویژکیهای بهینه استخراج شده از روش تحلیل محتوا دو الگوریتم مهم کلاسبندی با استفاده از شبکه های عصبی MLP و ماشین بردار پشتیبان SVM را پیاده سازی و مقایسه خواهیم نمود.

کلمات کلیدی : يادگيري ماشين استخراج ويژگي کلاسبندی الگوریتم کلاسبند شبکه های عصبی mlp ماشین بردار پشتیبان svm