%0 Journal Article %A 陈龙 %A 梁意文 %A 谭成予 %T 基于自适应性分类器的垃圾邮件检测 %D 2018 %R 10.19678/j.issn.1000-3428.0046434 %J 计算机工程 %P 194-200 %V 44 %N 5 %X 垃圾邮件形式内容多变,容易伪装成正常邮件而绕过检测,其中新型垃圾邮件的检测漏报率较高。为此,结合反向选择和支持向量机(SVM)的思想,设计一种新的自适应性分类器并应用于垃圾邮件检测。使用SVM的最优超平面对邮件进行预分类,得到与预测模型匹配的“正常邮件”和垃圾邮件,运用反向选择算法(NSA)对筛选出的“正常邮件”数据集进行二次过滤以检测出新型垃圾邮件,并利用含有标签的正常邮件和垃圾邮件集合自适应更新原有的最优超平面,循环上述检测过程直至垃圾邮件的识别率趋于稳定,最终得到的最优超平面符合当前检测最优。实验结果表明,相对于SVM与NSA,该检测方法能在保证正常邮件高识别率的基础上,提高新型垃圾邮件的识别率。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0046434