基于K最鄰近的標(biāo)簽傳播模型檢測圖像型垃圾郵件的研究.pdf

1、隨著網(wǎng)絡(luò)信息技術(shù)的日益普及和迅速發(fā)展，使用電子郵件進行交流，極大地滿足了人與人之間的通信需求。但是，垃圾郵件作為互聯(lián)網(wǎng)中具有爭議的副產(chǎn)品，也愈演愈烈，尤其是圖像型垃圾郵件（Image Spam），它不僅嚴(yán)重地浪費了資源，而且可能會阻塞和癱瘓網(wǎng)絡(luò)，影響用戶之間的正常溝通。因此，開發(fā)高效率的Image Spam檢測技術(shù)是社會迫切需要的。
　　論文介紹了Image Spam檢測技術(shù)的背景、目的和意義，闡述了Image Spam的定義、特

2、征、構(gòu)造方法、檢測難點，分析了比較常用的Image Spam檢測方法，并指出了這些方法的優(yōu)勢與不足，從而提出了基于K最鄰近的標(biāo)簽傳播模型（K-Labels Propagation Model，KLPM）的Image Spam檢測方法。論文的主要工作和貢獻是：
　　（1）提出了基于牛頓（Newton）稀疏表示的方法來消除圖像的噪聲：利用Newton法處理小波變換后的系數(shù)，使系數(shù)稀疏化。該方法能夠在消除圖像噪聲產(chǎn)生影響的同時，盡可能多

3、地保留圖像的細節(jié)，從而提高檢測方法的精度。
　?。?）提出了利用SURF算法來提取圖像的尺度和旋轉(zhuǎn)不變特征。該算法對圖像旋轉(zhuǎn)、仿射變換、尺度縮放等圖像的變化都能保持一定的不變性和可區(qū)分性。
　?。?）提出了改進的均值聚類算法來聚類圖像的特征，構(gòu)成特征向量，計算圖像之間的相似性，保證了圖像之間的可比性。
　?。?）提出了標(biāo)簽傳播模型分類器，基本思想是：將每幅圖像視為一個節(jié)點，并打上標(biāo)簽，通過在完全連接圖上傳播標(biāo)簽，從而對