25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx

下载本文档

阅读 1
格式 docx
大小 855.25 KB
约15页
2025-11-17
收藏
评论
点赞(0)
海报
举报

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第1页

1/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第2页

2/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第3页

3/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第4页

4/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第5页

5/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第6页

6/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第7页

7/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第8页

8/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第9页

9/15页

25年WP自动化-基于机器学习的垃圾短信过滤识别模型设计-18.07AI17.680-8283.docx_第10页

10/15页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/15

文本预览下载提示常见问题

1基于机器学习的垃圾短信过滤识别模型设计自动化专业学生杨雅斐指导教师赵倩摘要：随着手机等个人通信设备的普及，人们在互联网上成为了一个个的透明人，个人信息可以在互联网上轻易的泄露，大量的垃圾短信充斥着人们的生活中。而基于机器学习通过计算信息的类别概率来实现判断短信是否为垃圾短信并过滤。本课题旨在通过公开数据集获取短信数据集并进行特征提取，选择支持向量机和朴素贝叶斯算法，使用准确率、召回率、F1-score、ROC 曲线、混淆矩阵评估模型并选出最优模型。通过模型优化，提高对垃圾短信过滤识别的准确率，降低漏判、误判，确保用户的短信安全和清...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容