ارائه روشي مناسب براي دسته بندي نامه هاي الكترونيكي تبليغاتي بر مبناي پروفايل كاربران

A proper method for the advertising email classification based on user’s profiles

به طور كلي، تعريف هرزنامه در ارتباط با رضايت يا عدم رضايت گيرنده است نه محتواي نامه الكترونيكي. بر طبق اين تعريف، مشكلاتي در دسته بندي نامه هاي الكترونيكي در بازاريابي و تبليغات مطرح مي شود. براي مثال امكان دارد بعضي از نامه هاي الكترونيكي تبليغاتي، براي عده اي از كاربران هرزنامه و براي عده اي ديگر هرزنامه نباشد. براي مقابله با اين مشكل با توجه به پروفايل و رفتار كاربران، ضد هرزنامه هاي شخصي طراحي مي شود. به طور عادي براي دسته بندي هرزنامه‌ها، روشهاي يادگيري ماشيني با دقت خوب به كار مي رود. اما در هر حال يك روش منحصر به فرد موفق بر مبناي ديدگاه تجارت الكترونيك وجود ندارد. در اين مقاله ابتدا پروفايل جديدي براي شبيه سازي بهتر رفتار كاربران، تهيه مي شود .سپس اين پروفايل همراه با نامه هاي الكترونيكي به دانشجويان ارائه شده و پاسخ آنها جمع آوري مي گردد. در ادامه براي دسته بندي نامه هاي الكترونيكي، روشهاي مشهور به ازاي مجموعه داده هاي مختلف آزمايش مي شود .سرانجام، با مقايسه معيارهاي ارزيابي داده كاوي، شبكه عصبي به عنوان بهترين روش با دقت بالا، تعيين مي گردد.

By the increasing of video communication in portable and functional devices, encoders design with low complexity and high performance are required. H.264 / AVC standard offers higher compression efficiency than previous standards. But this standard by employing several powerful coding techniques, considerably increased complexity at the encoder. This paper presents a new algorithm to reduce the complexity of the H.264/AVC encoder. The proposed method uses simple directional masks, neighboring blocks modes and detection of 4×4 and/or 16×16 intra estimation modes with determination of quantization parameters for fast mode selection in Intra-Frame Modes prediction. Experimental results show that the proposed method reduces maximum 29% of the encoding time, while has little effect on visual quality and PSNR.