بهبود عملكرد دسته‌بند k نزديك‌ترين همسايه با الگوريتم بهينه‌‌سازي ازدحام گربه‌‌ها براي تشخيص ايميل‌‌هاي هرزنامه

فاقد عنوان لاتين

با گسترش اينترنت و شبكه‌‌هاي آنلاين و پيوستن كاربران به اين شبكه‌‌ها باعث شده است كه هر تبليغي بر روي آن‌ها انجام شود و نظر كاربران را با روش‌‌هاي گوناگون جلب كنند. مهم‌ترين روشي كه از آن به‌عنوان روشي براي تبليغ استفاده مي‌‌شود، ايميل است. كاربران از طريق هرز نامه‌نويس‌ها با انبوهي از ايميل هرزنامه‌‌ها مواجه هستند و زمان و حافظه آن‌ها با اين ايميل‌‌ها مختل مي‌‌شود. يك مشكل ديگر در ايميل هرزنامه اين است كه برخي از هرز نامه‌نويس‌ها از ايميل هرزنامه به‌منظور اهداف امنيتي و دزدي هويتي استفاده مي‌‌كنند و با اين روش وارد كامپيوتر كاربر و حساب‌‌هاي شخصي كاربر مي‌‌شوند. لذا چالش اصلي در تشخيص ايميل هرزنامه، تفكيك ايميل‌‌هاي هرزنامه از غير هرزنامه است. براي حل اين مشكل بايد ويژگي‌‌هاي ايميل مانند عنوان، متن و كاراكترها تشخيص داده شود. در اين مقاله مدل تركيبي برمبناي k نزديك‌ترين همسايه و الگوريتم بهينه‌‌سازي اجتماع گربه براي تشخيص ايميل هرزنامه استفاده‌شده است. از الگوريتم بهينه‌‌سازي اجتماع گربه براي انتخاب ويژگي و جستجو در فضاي بردارهاي ويژگي و از k نزديك‌ترين همسايه براي طبقه‌‌بندي داده‌‌ها استفاده‌شده است. نتايج ارزيابي بر روي مجموعه داده Spambase نشان داده كه دقت تشخيص مدل پيشنهادي برمبناي 20 بار تكرار برابر با 97.61 درصد مي‌باشد.

فاقد چكيده لاتين