بهبود تشخیص هرزنامههای تصویری با استفاده از روشی نوین در انتخاب ویژگیهای بافت تصویر | ||
| مدل سازی در مهندسی | ||
| دوره 22، شماره 79، زمستان 1403، صفحه 211-221 اصل مقاله (733.41 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2024.33366.2627 | ||
| نویسندگان | ||
| اعظم شکاری شهرک1؛ سید جواد میرعابدینی* 2؛ ناصر میکاییل وند2؛ سید حمید حاج سید جوادی3 | ||
| 1گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران | ||
| 2گروه مهندسی کامپیوتر، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 3گروه ریاضی و علوم کامپیوتر، دانشکده علوم پایه، دانشگاه شاهد، تهران، ایران | ||
| چکیده | ||
| هرزنامه از معضلاتی است که جوامع بشری را درگیر خود کرده است. با اینکه تحقیقات زیادی در این زمینه صورت گرفته است اما چون هرزنامهنویسان مانند ویروسها مدام روش خود را تغییر میدهند، لذا همواره نیاز به ارائه راهکارهای جدید در این زمینه مشاهده میشود. هدف از این پژوهش، استفاده از ویژگیهای بافت تصویر در تشخیص هرزنامههای تصویری میباشد. تاکنون از 22 ویژگی بافت تصویر بهصورت یکجا جهت تشخیص هرزنامه تصویری استفاده نشده است. در این مقاله، روشی ترکیبی جهت استخراج ویژگیهای کلیدی استفاده میشود. در روش ترکیبی پیشنهادی، از ماتریس همرخداد سطح خاکستری، مربع کای و آستانه تغییرات مقدار ویژگیها استفاده میشود. مراحل ذکر شده تاثیر بسیار زیادی در عملکرد دستهبندها داشته و باعث بهبود دقت تشخیص میشود. در مرحله دستهبندی از پرکاربردترین الگوریتمهای یادگیری ماشین برای تشخیص هرزنامههای تصویری استفاده میشود؛ همچنین پس از بدست آوردن نتایج هر دستهبند به بررسی و مقایسه خروجی الگوریتمهای بکار برده شده بر روی تصاویر هرزنامه و معتبر پرداخته میشود. نتایج بدست آمده نشان میدهد که میتوان با کمک روش پیشنهادی به دقت تشخیص خوبی نسبت به سایر روشها رسید. در بین الگوریتمهای بررسی شده، الگوریتم شبکه عصبی بهترین عملکرد را از خود نشان میدهد. الگوریتم مفروض در سایر مقالات دقت تشخیص کمتری را نسبت به مقاله حاضر نشان میدهد اما در روش پیشنهادی به دقت تشخیص 99.29 درصد میرسد. | ||
| کلیدواژهها | ||
| هرزنامه؛ تصویر؛ یادگیری ماشین؛ شبکه عصبی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 575 تعداد دریافت فایل اصل مقاله: 512 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 724 |
| تعداد مقالات | 10,451 |
| تعداد مشاهده مقاله | 73,348,158 |
| تعداد دریافت فایل اصل مقاله | 64,713,719 |