基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型
Anti-spam model based on semi-Naive Bayesian classification model作者机构：电子科技大学计算机科学与工程学院成都610054
出 版 物：《计算机应用》 (journal of Computer Applications)
年 卷 期：2009年第29卷第3期
页 面：903-904,907页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家863计划项目(2007AA01Z443) 华为软件技术有限公司高校合作项目(YBIN2007243)
摘 要：由于朴素贝叶斯分类模型的简单高效,在垃圾邮件分类时可以达到较好的效果;但朴素贝叶斯的条件独立假设割裂了属性之间的关系,影响了分类的准确性。放松朴素贝叶斯分类模型关于属性之间条件独立假设,介绍一种新的基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型,N平均1-依赖邮件过滤模型。使用N个1-依赖分类模型的平均概率作为分类的预测概率。实验证明,该模型在简单、高效的同时降低了对垃圾邮件分类的错误率。
维普期刊数据库
同方期刊数据库