伴隨著通訊技術的不斷成熟,與通訊相關的使用場景也愈加寬泛。一方面,人們享受著科技帶來的豐碩成果,無線網絡技術得到飛速發(fā)展,但另一方面,制度和監(jiān)管的相對缺失,使得很多圍繞無線通訊的“黑色產業(yè)”造成了許多負面的影響,例如手機的垃圾短信就始終困擾著人們的生活。為了對手機的垃圾短信進行檢測識別與過濾,對當前基于文本分類技術的垃圾短信過濾方法進行了研究,詳細介紹了文本分類過程中的預處理技術和特征提取技術,并通過實驗對比分析了 K鄰近算法和樸素貝葉斯算法的性能。此外,針對傳統(tǒng)文本分類算法中存在的缺陷,即當加入新的樣本后分類器會因為識別的局限性導致分類效果下降,提出了兩點改進方法:（1）設計并實現(xiàn)了基于評分法的增量多模型融合方法。增量多模型融合方法對新增的樣本依次進行訓練,每個樣本數(shù)據集可得到一個子分類器,不同的訓練集構成多個子分類器。增量多模型融合方法通過“少數(shù)服從多數(shù)”的原則對每一條待分類短信進行分類,若多數(shù)子分類器輸出的結果表示正常,則該待分類短信為正常短信,反之則為垃圾短信。這樣做的優(yōu)勢在于避免重新對分類器進行訓練,減少了文本檢索算法的時間損失和資源耗費,提高了文本分類的效果;（2）設計并實... 

【文章來源】：長沙理工大學湖南省

【文章頁數(shù)】：46 頁

【學位級別】：碩士

【部分圖文】：

圖４．２引入學習法后的錯誤率??圖４．２是在分類上使用學習法的錯誤率曲線，橫坐標１到１０表示使用學習法的實驗??

【參考文獻】：
期刊論文
[1]A Novel Active Learning Method Using SVM for Text Classification[J]. Mohamed Goudjil,Mouloud Koudil,Mouldi Bedda,Noureddine Ghoggali.  International Journal of Automation and Computing. 2018(03)
[2]基于詞向量和卷積神經網絡的垃圾短信識別方法[J]. 賴文輝,喬宇鵬.  計算機應用. 2018(09)
[3]基于語義理解注意力神經網絡的多元特征融合中文文本分類[J]. 謝金寶,侯永進,康守強,李佰蔚,張霄.  電子與信息學報. 2018(05)
[4]多類型分類器融合的文本分類方法研究[J]. 李惠富,陸光.  計算機應用研究. 2019(03)
[5]基于類別特征改進的KNN短文本分類算法[J]. 黃賢英,熊李媛,劉英濤,李沁東.  計算機工程與科學. 2018(01)
[6]結合語義擴展和卷積神經網絡的中文短文本分類方法[J]. 盧玲,楊武,楊有俊,陳夢晗.  計算機應用. 2017(12)
[7]基于特征隸屬度的文本分類相似性度量方法[J]. 池云仙,趙書良,羅燕,趙駿鵬,高琳,李超.  計算機科學. 2017(11)
[8]粗糙集近似集的KNN文本分類算法研究[J]. 楊帥華,張清華.  小型微型計算機系統(tǒng). 2017(10)
[9]基于中心向量的多級分類KNN算法研究[J]. 劉述昌,張忠林.  計算機工程與科學. 2017(09)
[10]基于吸引子傳播聚類的改進雙通道CNN短文本分類算法[J]. 王儒,劉培玉,王培培.  小型微型計算機系統(tǒng). 2017(08)

博士論文
[1]垃圾短信過濾關鍵技術研究[D]. 黃文良.浙江大學 2008

碩士論文
[1]基于深度學習多模型融合的中文短文本情感分類算法研究與實現(xiàn)[D]. 何遠生.華南理工大學 2018
[2]基于機器學習的文本情感分類研究[D]. 信桂龍.杭州電子科技大學 2017
[3]多模型融合學習方法與應用[D]. 馬健.南京大學 2016
[4]垃圾短信過濾系統(tǒng)的設計與實現(xiàn)[D]. 吳世競.北京郵電大學 2012
[5]垃圾短信過濾系統(tǒng)的設計與實現(xiàn)[D]. 何孝金.電子科技大學 2009



本文編號：3548142