شناسایی هرزنامه های تصویری با استفاده از ویژگی بافت تصویر
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 650
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC01_564
تاریخ نمایه سازی: 9 فروردین 1395
چکیده مقاله:
با افزایش استفاده از پست های الکترونیک، مساله دریافت ایمیل های ناخواسته به یک چالش تبدیل شده است، که به اینایمیل ها، اسپم گفته می شود. برای شناسایی اسپم های تصویری می توان از روشهای بینایی ماشین بهره برد. دراین مقاله روشیبرای بالابردن دقت شناسایی و دسته بندی تصاویر اسپم از تصاویر معتبر یا غیر اسپم ارائه شده است. در روش ارائه شده ازویژگی بافت تصویر جهت بررسی تصاویر استفاده می شود. در این تحقیق از ماتریس هم رخداد سطح خاکستری (GLCM)که یکی از ویژگی های بافت است، استفاده شده است. پس از استخراج ماتریس از تصویر، به ازای هر تصویر 22 ویژگی بهدست می یآید. سپس از دسته بندی کننده نزدیکترین همسایه (KNN) و بیزین ساده (NB) برای دسته بندی تصاویر با استفادهاز ویژگی های بدست آمده از هر تصویر استفاده می شود. این تصاویر از دو پایگاه داده Dredze و ISH بدست آمده اند .نتایج بدست آمده درمقایسه با کارهای انجام شده نشان دهنده بهبود در دقت دسته بندی در روش ارائه شده است.
کلیدواژه ها:
نویسندگان
منیره سادات حسینی
دانشجوی دانشگاه آزاد اسلامی واحد بویین زهرا، دانشکده فنی مهندسی، گروه مهندسی کامپیوتر
محمد رحمتی
دانشیار دانشکده مهندسی کامپیوتر ، دانشگاه امیرکبیر (استاد راهنما)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :