انتخاب ويژگي در تشخيص هرز نامه ها مبتي بر تركيب طبقه بندها

طبقه بندي نامه هاي الكترونيكي در زمره روشهاي يادگيري ماشين مبتني بر محتوا قرار مي گيرد كه اساس كار آنها تشخيص براساس محتوا و كلمات است . انتخاب بردار ويژگي مناسب براي افزايش كارايي سامانه هاي تشخيص در پيچيدگي زمان اجراي الگوريتم نقش بسزايي دارد . در اين مقاله روشي ارائه شده است كه در آن با استفاده از انتخاب ويژگي به دو روش انتخاب پيشرونده و الگوريتم وراثتي، نرخ صحت و درستي در تشخيص هرزنامه هاي الكترونيكي از نامه هاي معتبر افزايش يافته است . نتايج آزمايشها بر روي پايگاه اطلاعات نشان داد كه روشهاي انتخاب ويژگي ضمن كاهش تعداد ويژگيها، موجب افزايش نرخ درستي در تشخيص هرزنامه ها شده است. به دليل اينكه طبقه بندها در يك فرايند يادگيري ساخته مي شوند امكان گرفتار شدن آنها در كمينه هاي محلي وجود دارد بنابراين براي افزايش دقت طبقه بندي . در اين مقاله،از تركيب نتايج دو طبقه بند پايه بيزو ماشين بردار پشتيبان استفاده و با نتايج حاصل از تركيب طبقه بندها مورد مقايسه قرار گرفته است .