论文部分内容阅读
电子邮件系统分类的正确性与风险性是评价邮件系统好坏的关键因素，邮件过滤是文本分类问题的一种特殊应用。将神经网络中的覆盖算法引入到邮件过滤中，结合多种特征降维方法进行邮件分类实验，并与SVM方法进行了比较。给出一个结合覆盖算法、合适的特征选择与降维方法的分类器，可以实现较好的效果。另外，根据垃圾邮件过滤在实际使用中的最小风险性的要求，从风险角度分析了覆盖算法对测试样本进行分类时的过程。根据分析结果提出对其拒识样本的处理过程进行改进，通过改变非垃圾邮件所属覆盖的影响范围降低了垃圾邮件过滤时的风险。