【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第5期 370-373页,共5页

【作 者】： 雷剑刚 ; 孙细斌

【摘 要】 研究垃圾邮件过滤准确率问题，电子邮件是一种高维、复杂的特殊文本，单一支持向量机、K近邻等传统模型均难以识别垃圾邮件，导致过滤正确率低。为了提高了垃圾邮件过滤正确率，提出一种K近邻和支持向量机相融合的垃圾邮件过滤模型（SVM—KNN）。首先将邮件特征向量输入到支持向量机学习，找到支持向量集，然后计算待识别邮件与最优超平面间的距离，距离大于阈值，便采用支持向量机识别邮件类型，否则用K近邻识别邮件类型。仿真结果表明，SVM—KNN很好地解决单一模型存在的难题，提高了垃圾邮件过滤正确率，是一种有效的电子邮件管理的手段。