收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于贝叶斯网络的图像型垃圾邮件识别研究

郑冬冬  
【摘要】: 垃圾邮件从文本形式演变为图像形式,严重影响人们的日常生活。基于文本的邮件过滤方法已经不能满足要求,因而对图像垃圾邮件的识别研究成为比较实用性研究课题。综合国内外研究现状,常用的图像邮件识别方法最终都是通过对邮件图像与图像样本库进行比对,涉及到的工作量十分庞大。为此研究一种方法在降低工作量的基础上能更好识别图像垃圾邮件有一定的价值。 贝叶斯网络是一种基于概率统计的不确定性推理方法,在处理与不确定信息相关的智能化系统例如统计决策、专家系统等领域中已得到了重要的应用。贝叶斯网络建模的任务包括确定网络的拓扑结构和计算网络模型中各个节点的联合条件概率分布。 本文将贝叶斯网络应用到图像型垃圾邮件的图像识别中。从图像信息整体特征出发,通过提取图像的相关属性特征对邮件图像进行识别,达到图像垃圾邮件过滤的目的。对未知图像的推理,运用网络模型的拓扑结构和相应节点的概率分布,在图像特征数据的基础上就能完成推理过程。 本文的主要工作如下: 1)首先对邮件图像样本库进行了数据分析,分析图像所包含的一些基本特征。针对垃圾图像,选择的图像特征主要包括颜色特征、噪声特征、纹理特征。对三种特征进行详细的阐述并分析,给出具体的特征提取方法,并通过MATLAB应用程序提取出图像的相关特征数据。 2)利用贝叶斯基本原理以及贝叶斯网络的基础理论,与邮件中的图像特征数据相结合,通过图像数据的学习构建基于图像相关特征的贝叶斯网络模型;并且利用后验概率作为贝叶斯网络的评分函数,从已构建的网络模型中选择一个最优网络模型作为最终图像贝叶斯网络模型。然后对模型的各个节点进行参数学习,得到相关结点的联合概率分布。 3)利用已经构建的图像贝叶斯网络模型以及各个结点的概率分布,在提取到未知图像数据的基础上通过消元法完成对未知图像的推理过程。 4)最后通过构建好的图像贝叶斯网络模型对一系列的图像进行推理,得到推理结果,并对推理结果进行统计分析,验证贝叶斯网络模型的正确和可用性。 本文完成了图像型邮件的样本库的数据分析、垃圾邮件图像的特征分析、特征选择、模型建立、图像推理识别整个过程。得到了一个较为合理的图像贝叶斯网络模型。利用图像贝叶斯网络模型对未知邮件图片进行推理识别,效果较好,且邮件图像误判率较低。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘震;佘堃;周明天;;基于Bayes参数估计的垃圾邮件过滤算法研究[J];计算机科学;2005年09期
2 YATE;;怎样防范垃圾邮件[J];电脑校园;2001年09期
3 张岩;坐看云起时 CHIP每月评话[J];新电脑;2002年04期
4 沈建苗;多管齐下治“垃圾”[J];微电脑世界;2003年20期
5 ;如何终结垃圾邮件[J];每周电脑报;2003年16期
6 晓齐;启明星辰推出 天澄防垃圾邮件系统[J];信息网络安全;2004年08期
7 ;启明星辰公司天澄防垃圾邮件系统问世[J];电力信息化;2004年06期
8 ;垃圾邮件杀手[J];电脑知识与技术;2001年Z1期
9 王军;如何应对垃圾邮件[J];家庭电子;2001年01期
10 阿文;;恼人的垃圾邮件[J];大众科技;2001年05期
11 志杰;垃圾邮件大清除[J];计算机与农业;2002年03期
12 ;周律师话维权[J];电脑爱好者;2002年24期
13 熊伟;且以小人之心[J];新电脑;2003年09期
14 Michael J.Miller;铲除垃圾邮件[J];个人电脑;2003年10期
15 李瑞江;浅谈反垃圾邮件技术的应用[J];新疆师范大学学报(自然科学版);2003年02期
16 ;祭起Sendmail番天印[J];微电脑世界;2003年07期
17 史兵;企业电子邮件系统的困境和对策[J];计算机安全;2004年05期
18 David H.Crocker,胡晓女;E-mail之父力促大国际组织联手“反垃圾”[J];当代通信;2004年09期
19 田青;个人用户如何对付垃圾邮件[J];电子世界;2004年07期
20 何绍华;运用贝叶斯方法过滤垃圾邮件[J];现代计算机;2004年05期
中国重要会议论文全文数据库 前10条
1 王琦;;基于贝叶斯决策树算法的垃圾邮件识别机制[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年
2 李军;何晓宁;黄成哲;齐浩亮;雷国华;;基于特征贡献度的垃圾邮件过滤方法[A];第六届全国信息检索学术会议论文集[C];2010年
3 李劲;岳昆;杭菲璐;;一种基于自适应Markov模型的中文垃圾邮件过滤方法[A];第二十五届中国数据库学术会议论文集(一)[C];2008年
4 米淑云;辛阳;罗群;;一种新型垃圾邮件过滤系统的设计和研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集(上)[C];2008年
5 刘红翼;;一种垃圾邮件过滤器的设计与实现[A];广西计算机学会2005年学术年会论文集[C];2005年
6 薛亚楠;廖闻剑;彭艳兵;;垃圾邮件行为识别研究[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
7 黄桂松;;一种基于贝叶斯网络的业务驱动认知网络实现方法[A];江苏省电子学会2010年学术年会论文集[C];2010年
8 陈娟;葛辛;罗向阳;刘粉林;;基于反向查询技术和贝叶斯算法的反垃圾邮件方案[A];2006中国控制与决策学术年会论文集[C];2006年
9 张彤;;巧用Foxmail过滤垃圾邮件[A];学报编辑论丛(第十五集)[C];2007年
10 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任(A卷)——第五届沈阳科学学术年会文集[C];2008年
中国博士学位论文全文数据库 前10条
1 陈彬;垃圾邮件的特征选择及检测方法研究[D];华南理工大学;2010年
2 嵇晓强;图像快速去雾与清晰度恢复技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2012年
3 芮晓光;真实世界环境下的自动图像标注方法研究[D];中国科学技术大学;2010年
4 孙晶涛;基于内容的垃圾邮件过滤技术研究[D];兰州理工大学;2010年
5 张少中;基于贝叶斯网络的知识发现与决策应用研究[D];大连理工大学;2003年
6 李俭川;贝叶斯网络故障诊断与维修决策方法及应用研究[D];中国人民解放军国防科学技术大学;2002年
7 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年
8 华斌;贝叶斯网络在水电机组状态检修中的应用研究[D];华中科技大学;2004年
9 胡文斌;基于多Agent的分布式智能群决策支持系统关键技术研究[D];武汉理工大学;2004年
10 胡学友;雾天降质图像的增强复原算法研究[D];安徽大学;2011年
中国硕士学位论文全文数据库 前10条
1 郑冬冬;基于贝叶斯网络的图像型垃圾邮件识别研究[D];江苏大学;2010年
2 郭学敏;基于语义的广告图像垃圾邮件过滤技术研究[D];燕山大学;2010年
3 宋文;图像垃圾邮件过滤技术的研究[D];淮北师范大学;2011年
4 杨慧娟;基于语义体与模糊聚类的中文垃圾邮件过滤方法研究[D];兰州理工大学;2011年
5 毛岩;基于行为识别的垃圾邮件过滤技术的研究[D];大庆石油学院;2010年
6 孙吉谭;基于内容的垃圾邮件意图分析方法研究[D];吉林大学;2011年
7 张青;中文垃圾邮件过滤技术研究[D];武汉理工大学;2011年
8 杨兴华;基于多模态特征的垃圾邮件过滤技术研究[D];西安电子科技大学;2011年
9 赵海涛;基于模糊支持向量机的垃圾邮件过滤技术研究[D];重庆师范大学;2010年
10 徐松浦;反垃圾邮件中贝叶斯方法的应用研究[D];成都理工大学;2005年
中国重要报纸全文数据库 前10条
1 记者 李梅影;电子邮件立法对抗垃圾邮件泛滥[N];国际金融报;2004年
2 ;6个僵尸网络发出85%垃圾邮件[N];人民邮电;2008年
3 本报记者 余世琳;任金强:治理垃圾邮件要立法与自律并行[N];通信信息报;2003年
4 IT Boy;拿什么拯救你我们的电子邮件[N];中国电脑教育报;2004年
5 《周刊》记者 张旭东;中国反垃圾邮件要立法[N];中国计算机报;2004年
6 策划 孙定 林江艳 执笔 王翌;邮件灾祸[N];计算机世界;2004年
7 孟广业;从源头遏制垃圾邮件传播[N];人民邮电;2004年
8 朱杰;当垃圾邮件穿上“图片”马甲[N];中国计算机报;2007年
9 陈翔;垃圾邮件7月忙换招[N];中国计算机报;2007年
10 ;把握特征阻断垃圾邮件[N];中国计算机报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978