一种不均衡的垃圾邮件筛选方法

简介：
本文提出了一种针对不平衡数据集的新型垃圾邮件筛选算法，旨在提高识别准确率和效率，克服传统方法在处理少数类问题上的局限性。 标题提到的“一种不平衡的垃圾邮件过滤方法”旨在解决在垃圾邮件检测过程中出现的数据不平衡问题。在这种情况下，垃圾邮件（正类）与正常邮件（负类）的数量悬殊，导致传统分类器如支持向量机、神经网络等偏向于多数类别，从而降低对少数类别的识别率。 该研究提出了一种方法将不平衡数据集转换为平衡状态，并结合改进的K-means聚类算法和SVM模型。首先通过K-means聚类提取典型垃圾邮件样本，然后构建一个由这些样本与正常邮件组成的训练集。最终使用经过优化的SVM分类器实现过滤功能。 实验表明，在处理大规模不平衡数据时，该方法具有较高的准确率及泛化能力。文章详细介绍了研究背景、所采用的技术手段以及实验验证过程和结果分析等内容，并提到了几个核心概念：K-means聚类算法用于识别并提取典型垃圾邮件样本；SVM模型则用来训练分类器以提高过滤效果。 综上所述，这篇论文提出了一种新的方法来应对不平衡的数据集问题，在实际应用中展示了良好的性能表现。这表明结合使用聚类技术和分类模型可能是解决此类问题的有效策略之一。