大规模垃圾邮件过滤中的集成化SVM增量学习机制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60970081
  • 项目类别：
    面上项目
  • 资助金额：
    31.0万
  • 负责人：
    徐从富
  • 依托单位：
    浙江大学
  • 学科分类：
    F06.人工智能
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

以大规模垃圾邮件过滤为研究背景，探索并提出一种新的兼顾识别率和效率的集成化SVM增量学习机制。主要研究内容包括：（1）利用目标跟踪原理与方法对SVM模型的支持向量和非支持向量的演变机制和规律进行跟踪和预测，并借鉴Core Vector Machine思想，尝试解决SVM增量算法中的效率问题；（2）探索AUC-maximization SVM的增量模型及算法，拟解决代价不对等问题，并进一步提高其效率；（3）引入Active Learning的思想，研究适应用户反馈延迟的SVM增量学习模型及算法。研究目标是，得到能够解决大规模垃圾邮件过滤的，具有高效、代价敏感和延迟适应等特点的增量学习机制、模型及算法。本研究可望对统计学习方法的基础理论、模型和算法有所促进，且为大规模垃圾邮件过滤、手机垃圾短信过滤、网络不良信息过滤等应用提供理论和技术支持。

结项摘要

本项目以大规模垃圾邮件过滤为研究背景，探索并提出了兼顾识别率和效率的集成化SVM增量学习机制。主要研究内容包括：（1）组合多分类器的研究（2）稀疏无监督降维算法的研究（3）集成分类器在大规模垃圾邮件过滤中的应用（4）Online SVMs在大规模垃圾邮件过滤中的应用（5）基于编码的预处理方法在垃圾图片过滤及中文文本分类中的应用（6）在分类器的决策区域内训练分类器的研究（7）用知识层次研究分类器的研究（8）马尔科夫逻辑网的理论研究（9）基于文本和图片特征的融合模型在垃圾图片过滤中的应用。本项目对统计学习方法的基础理论、模型和算法有所促进，而且为大规模垃圾邮件过滤、手机垃圾短信过滤、网络不良信息过滤等应用提供理论和技术支持。

项目成果

期刊论文数量（4）
专著数量（0）
科研奖励数量（0）
会议论文数量（9）
专利数量（1）
基于Base64编码的垃圾图片过滤方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机工程
  • 影响因子：
    --
  • 作者：
    陈雅芳;徐从富;CHEN Ya-fang,XU Cong-fu(Institute of Artificial In
  • 通讯作者：
    CHEN Ya-fang,XU Cong-fu(Institute of Artificial In
Improving naive Bayes classifier by dividing its decision regions
通过划分决策区域来改进朴素贝叶斯分类器
  • DOI：
    10.1631/jzus.c1000437
  • 发表时间：
    2011-08
  • 期刊：
    Journal of Zhejiang University: Science C
  • 影响因子：
    --
  • 作者：
    Yan, Zhi-yong;Xu, Cong-fu;Pan, Yun-he
  • 通讯作者：
    Pan, Yun-he
CLOVER: a faster prior-free approach to rare-category detection
CLOVER：一种更快的无先验稀有类别检测方法
  • DOI：
    10.1007/s10115-012-0530-9
  • 发表时间：
    2013-06
  • 期刊：
    Knowledge and Information Systems
  • 影响因子：
    2.7
  • 作者：
    Hao Huang;Qinming He;Kevin Chiew;Feng Qian;Lianhang Ma
  • 通讯作者：
    Lianhang Ma

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于序列分解的复杂系统的时序预
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机应用, 2006, 26(4): 888-890,894
  • 影响因子：
    --
  • 作者：
    韩雪梅;徐从富;沈慧峰
  • 通讯作者：
    沈慧峰
人工智能若干前沿技术及其在信息
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    通信对抗, 2007年第3期（总第98期），8-11
  • 影响因子：
    --
  • 作者：
    徐从富;陈峰;范晶
  • 通讯作者：
    范晶
云环境下基于全同态加密的全域匿名化算法
  • DOI：
    10.11897/sp.j.1016.2019.00837
  • 发表时间：
    2019
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    刘君强;陈芳慧;徐从富;郭宏;李挺
  • 通讯作者：
    李挺
基于正三角形区域划分的传感器网
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    传感技术学报, 2007, 20(3): 650-655
  • 影响因子：
    --
  • 作者：
    徐从富;李石坚*;饶大展;潘云
  • 通讯作者：
    潘云
面向传感器节点定位的移动灯塔路
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报，2006.11.21正式录用，即将发表
  • 影响因子：
    --
  • 作者：
    李石坚;徐从富;杨旸;潘云鹤
  • 通讯作者：
    潘云鹤

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

徐从富的其他基金

基于知识图谱的在线个性化商品推荐技术研究
  • 批准号：
    61672449
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
融入社交信息的情景感知推荐关键技术研究
  • 批准号：
    61272303
  • 批准年份：
    2012
  • 资助金额：
    80.0 万元
  • 项目类别：
    面上项目
面向复杂环境和乱序现象的机动目标跟踪方法
  • 批准号：
    60402010
  • 批准年份：
    2004
  • 资助金额：
    18.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码