ارائه روشی ترکیبی از الگوریتم زنبور عسل و شبکه عصبی مصنوعی جهت تشخیص پستهای الکترونیکی ناخواسته

چکیده مقاله

امروزه پست الکترونیک با معضل جدی هرزنامه ها اسپم مواجه است که علاوه بر اتلاف وقت و کاهش بهره وری کاربران، تهدیدات امنیتی و قانونی متعددی را نیز به همراه دارد هدف اصلی این پژوهش ارائه یک روش ترکیبی نوین مبتنی بر الگوریتم بهینه سازی کلونی زنبور عسل و شبکه عصبی مصنوعی جهت بهبود دقت تشخیص پست های الکترونیکی ناخواسته است روش پژوهش شامل چهار مرحله اصلی: پیش پردازش و نرمال سازی داده ها، انتخاب ویژگی بهینه با الگوریتم زنبور عسل، آموزش شبکه عصبی مصنوعی بر روی ویژگی های منتخب و در نهایت ارزیابی عملکرد با استفاده از معیارهای دقت، صحت، فراخوانی و معیار F۱ می باشد پیاده سازی روش پیشنهادی بر روی مجموعه داده استاندارد SpamBase انجام شده است یافته های پژوهش نشان می دهد که الگوریتم زنبور عسل موفق به انتخاب ۳۳ ویژگی مهم از میان ۵۷ ویژگی اولیه گردیده و روش ترکیبی پیشنهادی بر روی داده های آزمایشی به دقت ۹۴ ۹۴ درصد دست یافته است همچنین مقادیر صحت، فراخوانی و معیار F۱ به ترتیب برابر ۹۷ ۹۱، ۴۶ ۹۱ و ۷۱ ۹۱ درصد محاسبه شد که حاکی از تعادل مناسب و کارایی بالای روش در تشخیص هرزنامه ها با کمترین خطای ممکن است نتایج مقایسه با الگوریتم های SVM، KNN، درخت تصمیم و جنگل تصادفی نشان می دهد که روش پیشنهادی از نظر دقت عملکردی رقابتی و قابل قبول داشته و مهم ترین دستاورد آن کاهش ابعاد داده و افزایش سرعت پردازش با حفظ دقت مناسب است که برای سیستم های بلادرنگ تشخیص هرزنامه حائز اهمیت می باشد

کلیدواژه‌ها

نویسندگان

نسیم خواجه با برصاد

دانشجوی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اهواز

نسیم خواجه با برصاد

دانشجوی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اهواز

�واجه با برصاد، نسیم،1405،ارائه روشی ترکیبی از الگوریتم زنبور عسل و شبکه عصبی مصنوعی جهت تشخیص پستهای الکترونیکی ناخواسته،نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات،مشهد

ارائه‌شده در

مجموعه مقالات نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات16 خرداد 1405 · مشهد