基于Winnow算法和CAPTCHA的垃圾短信过滤研究-计算机软件与理论专业论文.docxVIP

摘要 摘要 随着移动通信技术的发展，手机短信已成为人们生活中必不可少的通信方 式之一。然而日益增多的垃圾短借给人们的生活带来很多不便。垃圾短借过滤 问题已成为全球性的具有重大现实意义的课题。 本文深入研究了基于内容的垃圾短信过滤技术，改进了 Winnow 算法，并提 出一种新的基于 CAPTCHA 的垃极短信过滤方法，主要工作包括: 1) Winnow 算法是一种可以在线更新的分类算法，它通过改变权重向盘进 行更新。为了降低算法的复杂度，本文提出在每次更新权值后加入剪枝过程， 剪掉那些对分类结果几乎没有影响的特征。 2) 利用用户交互式学习思想，根据用户的反馈信息随时更新 Winnow 分类 器。本文提出的方法根据用户判定的误分类短倍的信息、找出未被判定的误分类 短信，然后纠正分类器以前产生的错误，问时更新分类器的分类规则，避免以 后的分类过程中产生问样的错误。更新分类器时采用 Adaboosting 算法提升分类 器性能，并对 Adaboosting 算法进行了两方面的改进:针对退化问题，采用在各 样本集内部调整短信样本的权重的方法:针对垃圾短信和正常短倍的不对称问 题，采用修改分类器加权因子的方法。 3) 提出多 Winnow 分类器模型，根据多个分类器的分类结果对短信分类。 利用同样的训练集选择出不同的特征集，根据各个特征集训练出不同的分类器。 本文只实现了双 Winnow 分类器。 的针对计算机程序经常发送恶意的组垃圾短倍的现状，本文提出了基于 CAPTCHA (全自动人机识别系统)的过滤方法，并提出一种新的基于图片识别 的 CAPTCHA 方法。 关键词:垃圾短信 Winnow 算法剪枝交互式学习 多分类器模型企自动 人机识别系统 图片识别 ABS丁RAC丁 ABSTRACT With the development of mobile communication technology，SMS has become an indispensable means of communication in life. However，the number of spam messages has been increasing and SMS spam have produced a lot of inconvenience to peoples lives. 刊的fore，SMS spam filtering problem has beωme a global su均ect and has practical significance. SMS spam filtering techniques which based on ∞ntent have been studied de叩ly， Winnow al伊thm was improved and a new SMS filtering method bωed on CAPTCHA was proposed. Main tasks 町eωfollows: Winnow is a classi负cation algrithm that can be updated on line by changing weight vectors. In order 协 reduce trainingωmplexity of the process of classification ，we added pruning process a班er updating weights ，which can cut off the features that had little impact on the result of classification. Winnow classifier can be updated based on users feedback making use of the user-interactive-learning ideas. The method proposed in 出is pap町 can find misclassification messages 由at have not been determined making use of the misclassification messages that have been det臼mined by us町， and correct classification errors produc叫before，at 阳same time，upd创e the classifier rules and avoid the same mistakes