改进ReliefF算法在图像型垃圾邮件检测中应用研究.docVIP

改进ReliefF算法在图像型垃圾邮件检测中应用研究 　　摘 要:图像型垃圾邮件的传播给社会和人民生活造成了极大的负面影响。一些垃圾图像过滤技术的应用在一定程度上遏制了它的泛滥,但是在时间消耗和精确度方面很难兼顾。在对垃圾邮件图像的特征数据深入分析后,提出一种基于特征冗余度的ReliefF特征选择算法(R-ReliefF算法)。本算法首先获取图像特征,结合数据特征进行离散化,并对这些离散化后的特征集合进行优化,最后应用在垃圾图像识别上。对比发现,优化后提取的特征子集在识别垃圾邮件图像方面既减少了时间消耗,又提高了垃圾图像识别的精确度。 　　关键词:图像型垃圾邮件; 特征冗余度; 特征选择算法; 特征子集 　　中图分类号:TP391文献标志码:A 　　文章编号:1001-3695(2009)09-3256-03 　　doi:10.3969/j.issn.1001-3695.2009.09.015 　　 　　Improved ReliefF algorithm applied in detecting image spam 　　LIU Wei,ZHANG Feng-li,CHENG Hong-rong,WAN Ming-cheng 　　(Sichuan Key Laboratory of Novel Computer Application Technology, School of Computer Science Engineering, University of Electronic Science Technology of China, Chengdu 610054, China) 　　Abstract:The spread of image spam brought much a pernicious influence on society.The application of image spam filters holds back the spread of image spam. At the depletion of time and the accuracy, they can’t satisfy both sides. This paper proposed an ReliefF feature selection algorithm based on feature redundancy(R-ReliefF algorithm), getting the features of iamge spams firstly, and discreted the features according to property of the featuresthe,then applied it on the optimization of the set of image spam features discreted. According to contradistinction, the optimization subset of features both decreased the depletion of time and increased the accuracy on detecting the image spam. 　　Key words:image spam; feature redundancy; feature selection algorithm; subset of features 　　 　　0 引言 　　 　　近年来,含有垃圾图像附件的垃圾邮件急剧涌现?? [1],垃圾邮件制造者通过诱使用户查看和点击垃圾图像附件,散布各种商业广告、欺诈信息、反动言论、恶意链接等垃圾信息,严重威胁到我国的互联网络信息安全。为克服垃圾图片带来的危害,学者们对垃圾图片的过滤作了很多有益的探索。 　　有学者利用OCR技术过滤垃圾图像?? [2],精确率和时间效率都较低。有学者利用图像本身的属性及其颜色属性等检测垃圾图像,时间效率有所提高,特征数较少,精确率较低[3~5]。为了提高精确度,有学者提取垃圾图像的文本区域、边缘属性和颜色属性等特征来检测垃圾图像,取得了很好的精确度[6~8]。但是由于提取的特征维数较多,无关和冗余特征也包含在特征集合中,精度和时间效率无法得到保证。本文通过分析垃圾图像特征集合,改进了垃圾图像分类的流程,并提出一种改进的ReliefF特征选择算法(R-ReliefF),对经过离散化处理的高维原始特征集合进行特征选择,得出低维特征子集,结合支持向量机分类算法进行垃圾图像的检测,得到了不低于原始特征集合的精确率,并在提高空间利用率的同时在