基于粗糙集的增量式垃圾邮件过滤方法研究

摘要：

在粗糙集理论基础上，提出一种增量式的垃圾邮件过滤方法。该方法将邮件样本的局部最小确定性作为阈值来控制规则产生，并在邮件识别过滤过程中增加了反馈环节，将错判和未识别样本作为增量样本进行再学习，动态调整邮件规则的置信度。根据阈值选择可信度较高的规则进行更新，从而减少了规则的个数，提高了样本的正确识别率，最后用实验证明了该方法的有效性。

关键词：垃圾邮件过滤、粗糙集理论、增量学习、ILRS算法

分类号：TN911-34

资助基金：国家自然科学基金61379114

在线出版日期：2015-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：24-27