文献综述
在人们的日常生活中,一个良好的沟通桥梁是人们交流间的重要纽带,而现在智能手机的普及使得短信发挥着越来越重要的作用。
而短信的普及便利了我们生活的同时,良莠不齐的短信也一定程度上损害了人们的生活质量,例如普遍存在的广告、色情、诈骗、诅咒等垃圾短信。
现阶段垃圾短信识别的研究十分必要,一种实用高效的短信分类方法能实现短信的过滤操作,使得人们在享受短信带来便利的同时,提高生活质量。
提取垃圾短信的敏感词是传统的短信过滤方法常采用的一种手段，但由于短信用语是人类的自然语言，敏感词这一特征实际提取的难度很大，且容易把正常的短信过滤掉。
为了优化传统短信过滤方法的缺点，提出了基于SVM算法的监控和分类方案。
支持向量机（support vector machines，SVM)是一种二类分类模型。
支持向量机还包括核技巧，这使它成为实质上的非线性分类器。
支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划（convex quadratic programming)的问题，也等价于正则化的合页损失函数（后面也有解释）的最小化问题。
支持向量机的学习算法是求解凸二次规划的最优化算法。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
