论文部分内容阅读
垃圾邮件具有特征维数高、样本不平衡等特点，针对近邻算法（KNN）或支持向量机（SVM）存在虚警率高等难题，基于组合优化理论，提出基于KNN-SVM的垃圾邮件过滤组合模型。首先提取垃圾邮件的特征项，并构建垃圾邮件过滤模型的输入向量，然后采用KNN对垃圾邮件训练样本进行选择，将训练样本缩减到k个，并采用支持向量机对k个样本训练和建模进行垃圾邮件过滤，最后采用中文邮件集对KNN—SVM的性能进行分析。结果表明，KNN-SVM提高了垃圾邮件过滤的准确率，大幅度降低了虚警率，而且垃圾邮件的过滤速度可以满足邮件处理的