一种基于支持向量机的抗噪声邮件分类方法

摘要

本文通过分析支持向量机对于邮件分类的优缺点，提出了一种新颖的抗噪声邮件分类器口其基本特点有。1)通过选取最优的特征属性作为向量的维，来确定分类的参考空间.2)使用高维空间离群点的发现技术，对样本进行缔选，从而达到去除噪声的目的。通过“干净”的样本训练出基于支持向量机的邮件分类器。这样的分类充分考虑了大多数的情况，而忽略了极少数出现情况对分类器的千扰。试验表明，经过优化后的分类器比基于Bayes方法有更高的分类精度。