论文部分内容阅读
提出一种基于异构特征集元学习的垃圾邮件过滤模型,选用K近邻作为基学习算法并分别采用互信息、信息增益和期望交叉熵产生基级特征集,运用SVM作为元学习算法对基分类结果进行并行融合。实验结果证明,不仅该方法对垃圾邮件的识别性能要好于单个的基分类器,而且采用SVM元学习对基分类器进行融合要优于一般的多数表决规则。