research centers


Search results: Found 15

Listing 1 - 10 of 15 << page
of 2
>>
Sort by

Article
Image Feature Extraction and Selection

Authors: Abdul Amir Abdullah Karim --- Rafal Ali Sameer
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 3B Pages: 1501-1508
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Features are the description of the image contents which could be corner, blob or edge. Scale-Invariant Feature Transform (SIFT) extraction and description patent algorithm used widely in computer vision, it is fragmented to four main stages. This paper introduces image feature extraction using SIFT and chooses the most descriptive features among them by blurring image using Gaussian function and implementing Otsu segmentation algorithm on image, then applying Scale-Invariant Feature Transform feature extraction algorithm on segmented portions. On the other hand the SIFT feature extraction algorithm preceded by gray image normalization and binary thresholding as another preprocessing step. SIFT is a strong algorithm and gives more accurate results but when system require increasing speed, it is better to select distinctive features and use them in description process. The experimental results show clearly reduction of features extracted using SIFT algorithm on segmented parts and the algorithm of feature extraction from normalized binary image gives better results for feature localization as shown in experimental images.

Keywords

SIFT --- Otsu --- Feature selection.


Article
Modified Artificial immune system as Feature Selection
تطوير خوارزمية نظام المناعة الاصطناعي لاستخدامها في اختيار الخصائص

Authors: Jamal H. Assi جمال هلال --- Ahmed T. Sadiq احمد طارق
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 2A Pages: 733-738
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Feature selection algorithms play a big role in machine learning applications. There are several feature selection strategies based on metaheuristic algorithms. In this paper a feature selection strategy based on Modified Artificial Immune System (MAIS) has been proposed. The proposed algorithm exploits the advantages of Artificial Immune System AIS to increase the performance and randomization of features. The experimental results based on NSL-KDD dataset, have showed increasing in performance of accuracy compared with other feature selection algorithms (best first search, correlation and information gain).

خوارزميات اختيار الخصائص تلعب دورا كبيرا في تطبيقات تعليم الماكنة . هناك عدة إستراتيجيات في اختيار الخصائص ترتكز على خوارزميات (Metaheuristic). في هذا البحث تم اقتراح إستراتيجية اختيار الخصائص التي تعتمد على انظمة المناعة الاصطناعية المطورة. هذه الخوارزمية المقترحة توضح فوائد استخدام نظام المناعة الاصطناعي لزيادة الكفاءة والعشوائية في الخصائص. النتائج التجريبية التي أعتمدت على قاعدة بيانات (NSL-KDD) تظهر زيادة في دقة الاداء مقارنة مع خوارزميات اختيار الخصائص الاخرى مثل (Best First Search , Correlation and Information Gain).

Keywords

AIS --- feature selection --- NSL-KDD


Article
Spam Classification Using Genetic Algorithm
تصنيف الرسائل الغير مرغوب بها بستخدام خوارزمية الجينية

Authors: Ekhlas Khalaf Gbashi اخلاص خلف كباشي --- Soukaena H. hashem سكينة حسن هاشم --- Rand Ahmad Atta رند حمد الطائي
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2018 Volume: 9 Issue: 2 اللغة الانكليزية Pages: 142-170
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

E-mail is the fastest way to exchange messages from one place to another across the world, the increased use of e-mail led to increase received messages in the mailbox, where the recipient receives many messages including those that cause significant and different problems such as stealing identity of recipient, losing of essential information causing losses to companies in addition to the damage to the network. These messages are so dangerous that the user is unable to avoid them especially as they take different forms such as advertisements and others. These messages are known as unwanted messages. In order to remove these spam messages and prevent them from being accessed, filtering is used. This paper aims to enhance the e-mail spam filtering by suggesting genetic algorithm classifier as a single objective evaluation algorithm problem to generate the best model to be used for classifying the e-mail messages in high accuracy. The first step in the proposal is applying normalization. The second is feature selection which is implemented to choose the best features, the third step is using genetic algorithm classifier as single objective evaluation algorithm that deal with one objective. The experimental results showed that the proposed system provides good accuracy in the first experiment (88%) and better accuracy in the second experiment (94%) and third experiment (95%).

البريد الالكتروني هو أداة سريعة لتبادل الرسائل من مكان واحد إلى جميع الأماكن في العالم وان زيادة في استخدام البريد الالكتروني ادى الى زيادة استقبال عدد كبير من الرسائل في صندوق البريد ، حيث يتلقى المستلم العديد من الرسائل بما في ذلك تلك الرسائل التي تسبب مشاكل كبيرة ومختلفة مثل سرقة هوية المتلقي او فقدان المعلومات الأساسية التي تتسبب في خسائر للشركات بالإضافة إلى الأضرار التي تلحق بالشبكة ، وتعد أمر خطير للغاية حيث لا يمكن للمستخدم تجنبها كونها تأخذ مجموعة متنوعة من الأشكال مثل الإعلانات وغيرها ، وتعرف هذه الرسائل بأنها رسائل غير مرغوب فيها. من أجل ازالة هذه الرسائل غير المرغوب فيها ومنع الوصول إليها ، يتم استخدام الترشيح . الهدف هو تحسيين من تصفية البريد الإلكتروني العشوائي. بأقتراح مقترح تصنيف الخوارزمية الجينية كخوارزمية تطورية هدف واحد لتوليد أفضل نموذج يستخدامه لتصنيف تصفية البريد الالكتروني بدقة عالية. أول خطوة في المقترح هو تطبيق .Normalized ثم ينفذ feature selection لاختيار أفضل ميزة. الخطوة الثالثة استخدام الخوارزمية الجينية كخوارزمية تطورية لهدف واحد التي تتعامل مع هدف واحد. التجارب أظهرت أن النظام المقترح يوفر دقة أفضل في التجربة 1 (88٪) ، ودقة عالية في التجربة 2 (94٪) وفي التجربة 3 (95%) .


Article
Proposal to Enhance NIDS
مقترح لتحسين نظام الشبكة لكشف التطفل

Journal: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 Year: 2016 Volume: 14 Issue: 1 Pages: 145-151
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

Proposed work aim to build a proposed Gain Association Rules -Based Network Intrusion Detection System (GARNIDS). GARNIDS trend to enhance traditional NIDS through using three of data mining algorithms; these are: Gain which is measure the entropy for each feature to detect it is Domination Degree (DD) for each attack, then feeding these features with their DD to a proposed Gain Association Rule (GAR) algorithm that to rank the features according to two parameters (frequency and DD). Finally customize K Nearest Neighbor (KNN) as misuse classifier (detect the intrusions and specify their types) the proposal assume the k equal to 3. Many experimental works are conducted to evaluate the proposal over the KDD'99 dataset and show the efficiency of KNN through registering 86% of accuracy with all features, 90% of accuracy with 25 top features and the accuracy was 98% with 8 top features. Also the Detection Rate (DR) and False Alarm Rates (FAR) are both measured with those three cases and still KNN with the top 8 features is the higher in DR and lower in FAR. Finally when try the proposal in real-time with tcpdump the third case register higher accuracy (93%).

العمل المقترح يهدف لبناء نظام شبكة لكشف التسلل المستند على الكسب للقواعد المترابطة . (GARNIDS) GARNIDS توجه النظام لتعزيز NIDS التقليدية من خلال استخدام ثلاثة من خوارزميات التنقيب عن البيانات؛ وهي: الربح الذي هو قياس الكسب لكل خاصية للكشف عن درجة الهيمنة لها (DD) لكل هجوم، ثم تغذية هذه الخصائص مع DD لخوارزمية القواعد المترابطة المعتمدة على الكسب لترتيب الخصائص وفقا لمعلمتين (التكرار ودرجة الهيمنة). وأخيرا خوارزمية أقرب جار (KNN)، استخدامت كمصنف من نوع اساءة الاستخدام (كشف الاختراقات وتحديد أنواعها) اقترح النظام عدد الجيران يساوي 3. تم اجراء العديد من الأعمال التجريبية لتقييم الاقتراح على مجموعة البيانات KDD'99 واظهر كفاءة KNN من خلال تسجيل 86٪ من الدقة مع كافة الخصائص، 90٪ من الدقة مع أهم 25 من الخصائص وكانت الدقة 98٪ مع أهم 8 خصائص. أيضا معدل الاكتشاف (DR) ومعدلات الإنذار الكاذبة (FAR) كلاهما تم قياسه مع الحالات الثلاث، ولا تزال KNN مع أهم 8 خصائص هي أعلى DR وأقل .FAR أخيرا حاول الاقتراح تنفيذ النظام بالوقت الحقيقي بواسطة TCPDUMP وتم ملاحظة ان الحالة الثالثة سجلت أعلى قدر من الدقة 93%.

Keywords

NIDS --- AR --- KNN --- Gain --- feature selection --- detection rate --- accuracy


Article
Fuzzy Rough Set based Feature Selection and Enhanced KNN Classifier for Intrusion Detection
استخدام نظرية المجاميع العشوائية المضببة القائمة على ميزة الاختيار وخوارزمية تصنيف الجار الأقرب المحسنة لكشف التسلل في قواعد بيانات شبكات الانترنيت

Author: Osamah Mohammed Fadhil
Journal: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 Year: 2016 Volume: 14 Issue: 2 Pages: 72-86
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

Intrusion detection systems are used to detect and prevent the attacks in networks and databases. However, the increase in the dimension of the network dataset has become a major problem nowadays. Feature selection is used to reduce the dimension of the attributes present in those huge data sets. Classical Feature selection algorithms are based on Rough set theory, neighborhood rough set theory and fuzzy sets. Rough Set Attribute Reduction Algorithm is one of the major theories used for successfully reducing the attributes by removing redundancies. In this algorithm, significant features are selected data are extracted. In this paper, a new feature selection algorithm is proposed using the Maximum dependence Maximum Significance algorithm. This algorithm is used for selecting the minimal number of attributes has been from KDD data set. Moreover, a new K-Nearest Neighborhood based algorithm is proposed for classifying data set. This proposed feature selection algorithm considerably reduces the unwanted attributes or features and the classification algorithm finds the type of intrusion effectively. This system is very efficient in detecting attacks and effectively reduces the false alarm rate. The proposed feature selection and classification algorithms enhance the performance of the IDS in detecting the attacks

تستخدم انظمة كشف التسلل لكشف ومنع الهجمات في قواعد بيانات الشبكات. ومع ذلك، فان التوسع في مجالات قواعد بيانات الشبكات أصبح يمثل مشكله رئيسية هذه الايام. خاصية اختيار الميزة استخدمت لتقليل من حده هذه المشكلة التي تتمثل في ضخامة البيانات. خوارزمية اختيار البيانات التقليدية استندت على نظرية الأنظمة العشوائية ونظرية الأنظمة العشوائية المجاورة والمجاميع المضببة. خوارزمية تقليل الأنظمة العشوائية هي واحده من النظريات الرئيسية التي نجحت في تقليل السمات من خلال حذف الزوائد في هذه الخوارزمية، فان صفات مهمة تم تجريبها على بيانات مختصرة.في هذه البحث، تم اقتراح خوارزمية اختيار سمات جديده باستخدام الحد الأقصى اعتمادا على خوارزمية الدلالة القصوى. وتستخدم هذه الخوارزمية لاختيار الحد الأدنى لعدد من صفات مجموعة البيانات KDD. وعلاوة على ذلك، تم اقتراح خوارزمية جديدة (K-Nearest Neighborhood) لتصنيف مجموعة البيانات. خاصية خوارزمية الاختيار المقترحة قللت وبشكل ملحوظ من البيانات الغير مرغوب فيها، ووجدت خوارزمية التصنيف نوع التسلل بشكل فعال. وهذا النظام يعتبر فعال جدا في كشف الهجمات ويقلل من فعالية معدل انذار كاذب. ان اختيار خوارزمية السمات المقترحة وتصنيفها عزز من أداء نظام كشف التسلل.


Article
A Multi-Objective Evolutionary Algorithm based Feature Selection for Intrusion Detection
اختيار الميزة المعتمد على الخوارزمية التطورية متعددة الاهداف لكشف التطفل

Authors: Dhuha I. Mahmood ضحى عماد محمود --- Sarab M. Hameed سراب مجيد حميد
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 1C Pages: 536-549
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Nowad ays, with the development of internet communication that provides many facilities to the user leads in turn to growing unauthorized access. As a result, intrusion detection system (IDS) becomes necessary to provide a high level of security for huge amount of information transferred in the network to protect them from threats. One of the main challenges for IDS is the high dimensionality of the feature space and how the relevant features to distinguish the normal network traffic from attack network are selected. In this paper, multi-objective evolutionary algorithm with decomposition (MOEA/D) and MOEA/D with the injection of a proposed local search operator are adopted to solve the Multi-objective optimization (MOO) followed by Naïve Bayes (NB) classifier for classification purpose and judging the ability of the proposed models to distinguish between attack network traffic and normal network traffic. The performance of the proposed models is evaluated against two baseline models feature vitality based reduction method (FVBRM) and NB. The experiments on network security laboratory-knowledge discovery and data mining (NSL-KDD) benchmark dataset ensure the ability of the proposed MOO based models to select an optimal subset of features that has a higher discriminatory power for discriminating attack from normal over the baselines models. Furthermore, the proposed local search operator ensures its ability to harness the performance of MOO model through achieving an obvious feature reduction on average from 16.83 features to 8.54 features (i.e., approximately 50%) in addition to the increase in NB classifier accuracy from 98.829 to 98.859 and detection rate from 98.906 to 99.043.

في الوقت الحاضر، مع تطور الاتصالات عبر الانترنيت والتي تقدم العديد من التسهيلات للمستخدم يؤدي ذلك بدوره الى تزايد الوصول غير المصرح به. ونتيجة لذلك، اصبح نظام كشف التطفل ضروري لتوفير مستوى عالي من الأمن لكمية كبيرة من المعلومات المنقولة في الشبكة لحمايتها من التهديدات. واحدة من التحديات الرئيسية لكشف التطفل هي الأبعاد العالية من فضاء الميزة وكيفية تحديد الميزات ذات الصلة لتمييز حركة المرور الطبيعية على الشبكة من الهجوم. في هذا البحث، اعتمدت الخوارزمية التطورية متعددة الاهداف مع التحلل (MOEA/D) و (MOEA/D) مع حقن مشغل البحث المحلي المقترح لحل مشكلة امثلية تعدد الاهداف يليه المصنف نيف بايز (NB) لغرض التصنيف والحكم على قدرة النماذج المقترحة للتمييز بين حركة المرور الطبيعية على الشبكة من الهجوم. اداء النماذج المقترحة تم تقييمه بالمقارنة مع نموذجين من النماذج الاساسية وهي (FVBRM) و NB. تضمن التجارب على البيانات القياسية (NSL-KDD) قدرة النماذج المقترحة المعتمدة على امثلية تعدد الاهداف على اختيار امثل مجموعة فرعية من الميزات التي لديها اعلى طاقة تمييزية لتمييز الهجوم من الطبيعي بالمقارنة مع النماذج الاساسية. وعلاوة على ذلك، ان مشغل البحث المحلي المقترح يضمن قدرته على الاستفادة من اداء نموذج امثلية تعدد الاهداف الذي حقق تقليل واضح للميزات بمعدل من 16.83 الى 8.54 ميزة (اي مايقارب %50) بالأضافة الى زيادة دقة مصنف نيف بايز (NB) من 98.829 الى 98.859 ومعدل الكشف من 98.906 الى 99.043.


Article
Proposed Handwriting Arabic Words classification Based On Discrete Wavelet Transform and Support Vector Machine
مقترح مصنف للكلمات العربية المكتوبة بخط اليد بالاعتماد على تقنية محول المويجات المتقطعة ( ( DWTوآلة داعم المتجهات SVM

Authors: Alia Karim Abdul Hassan علياء كريم عبد الحسن --- Mohammed Alawi محمد علاوي عباس
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 2C Pages: 1159-1168
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

A proposed feature extraction algorithm for handwriting Arabic words. The proposed method uses a 4 levels discrete wavelet transform (DWT) on binary image. sliding window on wavelet space and computes the stander derivation for each window. The extracted features were classified with multiple Support Vector Machine (SVM) classifiers. The proposed method simulated with a proposed data set from different writers. The experimental results of the simulation show 94.44% recognition rate.

تم اقتراح خوارزمية لاستخراج الصفات من الكلمات العربية المكتوبة بخط اليد. تستخدم الطريقة المقترحة التحويل الموجي (DWT) على الصورة ثنائية، بعد ذلك تم مسح الصورة ذات التحويل الموجي باستخدام نافذة ، ومن ثم يتم حساب قيمة الانحراف المعياري لكل نافذة . تم تصنيف الميزات المستخرجة بواسطة المصنفات SVMs . تم اقتراح قاعدة بيانات جديدة كتبت من قبل عدد مختلف من الكتاب .وهذة القاعدة تم استخدامها لاختبار العمل القترح وان النتائج التجريبية للنظام اظهرت معدل تميز 94.44٪.


Article
Early Detection of Disease-Viral Hepatitis Type-C Using Elman Artificial Neural Network
الكشف المبكر لمرض التهاب الكبد الفايروسي نوع _ ج باستخدام شبكة ايلمان العصبية الاصطناعية

Author: Ghaidaa Kaain Salih
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2012 Volume: 30 Issue: 12 Pages: 2150-2164
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The problem of founding important information in complex medical images which are needed in diagnosing of diseases with the complex data considered as one of the predication problem these days, so it is necessary to find aided means for diagnosing process. Artificial neural network (ANN) is one of them. This paper deals with the designing and implementation a classification ANN module for Lever Hepatitis(class-C)or type-C which doesn’t have any vaccine these days. The different in diagnosing between hepatitis and other liver diseases is often difficult on purely clinical grounds in addition the damage to the liver causes changes in the pattern of the serum enzymes andin recent years this has led to develop disease testing and its vaccine. Elman neural networks (NN) have been applied for automated detection of various medical diseases. Like its application on blood sample tests extracted from on line microscope (like it usedin this research).That feature selection is an important issue by removing features that do not encode important data information from the images used.This helps physicians to extract features which aided them in diagnosing process. Kernal principle component analysis (PCA) is used to represent blood images as eigen-features of training images in addition to extract mathematical module for classification of it. Finally a neural network (NN) is trained to perform the typical images and classify them (diagnosing process). The produced NN system produces used a matlab package in order to design and diagnose the proposed module. The object of this system used in our work is to diagnosing lever Hepatitis type-C in samples of blood images wherever difficulties in practical experiments by finding an optimal feature from specialists whom work in laboratories.

تعد مشكلة ايجاد المعلومات المهمة في الصور الطبية المعقدة والتي يحتاج اليها في تشخيص الامراض ذات البيانات المركبة والمعقدة واحدة من مشاكل التنبؤ بالامراض هذه الايام لذا فمن الضروري ايجاد الوسائل المساندة لعمليات تشخيص تلك الصور . تعتبر الشبكات العصبية الاصطناعية احداها. يتضمنهذا البحث تصميم وتطبيق نموذج لشبكة عصبية اصطناعية لمرض التهاب الكبد الفايروسي (صنف_ ج ) اونوع _ ج والذي لايوجد له لقاح حتى اليوم. ان الاختلاف بين تشخيص التهاب الكبد والامراض الاخرى للكبد صعب جدا في اغلب التشخيصات السريرية اضافة الى ان الاذى الذي يصيب الكبد يغير في نمط انزيمات المصل مما قاد الى تطوير اختبار المرض ولقاحه في السنوات الاخيرة. طبقت شبكةايلمان العصبية الاصطناعية في كشف الي لمختلف الامراض كاختبار عينات الدم المستخلصة من اجهزة المايكروسكوب ( كالمستخدمة في هذا البحث ) .ان اختيار الصيغ (الميزات) يعد من القضايا المهمة وذلك بازالة الصيغ التي لاتحتوي على بيانات المعلومات المهمة من الصور المستخدمة. ساعد هذا الاطباء في استخلاص الصيغ التي تدعمهم في (Eigen features) لتمثيل صور الدم بصيغة (PCA) عملية التشخيص. استخدم مبدأ تحليل كيرنال لصور التدريب بالاضافة الى استخلاص نموذج رياضي لتصنيف هذه الصور.اخيرا فان الشبكة العصبيةالاصطناعية تدرب لاداء الصور المثالية وتصنيفها (عملية التشخيص) . أستخدم نظام الشبكات العصبية لتصميم واختبار النموذج المقترح .الهدف من هذا النظام المستخدم Matlab الاصطناعية المنتج حقيبة في هذا العمل هو تشخيص مرض التهاب الكبد نوع-ج من خلال عينات لصور الدم والتي تشكل صعوبة في ايجاد صيغ مثالية لتشخيصها عمليا من قبل المختصين في المختبر.


Article
A Comparative Study of Low-level Features for Museum Image Retrieval System

Authors: Associate prof.Dr. Abdulkareem O. Ibadi --- Fatin Abbas Mahdi
Journal: Journal of Baghdad College of Economic sciences University مجلة كلية بغداد للعلوم الاقتصادية الجامعة ISSN: 2072778X Year: 2014 Volume: 2014 Issue: 5 Pages: 404-422
Publisher: Baghdad College of Economic Sciences كلية بغداد للعلوم الاقتصادية

Loading...
Loading...
Abstract

Low-Level feature such as color, texture, and shape features represent the visual content of an image. Feature Extraction process play a key role in Content Based Image Retrieval (CBIR), where automatically extracted the features from all images in the database and query image. In this paper, different type of feature extraction methods are explored to test their effectiveness in retrieving images including Color Moment (CM) and Color Histogram (CH) descriptors as color feature. Texture is represented by Local Binary Pattern (LBP) and Gray Level Co-occurrence Matrix (GLCM) descriptors and finally, Canny Edge Detection (CED) and Hu’s Seven Invariant Moments descriptor as shape descriptor. A new approach to choose the most appropriate descriptors to represent the image as uniquely and accurately using the average of success method and compare between the performances of each descriptor is presented. For query image several transformations process like rotation, cropping, etc., is applied to 100 original images collected from Iraqi National Museum of Modern Art collection to demonstrate experimentally the efficacy of the proposed approach and promising results are reported.


Article
Spam Filtering based on Naïve Bayesian with Information Gain and Ant Colony System
نظام تصفية الرسائل الالكترونية الغير مرغوب فيها بتهجين طريقة اختيار الخواص بأستخدام كسب المعلومات ونظام مستعمرة النمل

Authors: Huda Adil Abd Algafore هدى عادل عبد الغفور --- Soukaena Hassan Hashem سكينة حسن هاشم
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2016 Volume: 57 Issue: 1C Pages: 719-727
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This research introduces a proposed hybrid Spam Filtering System (SFS) which consists of Ant Colony System (ACS), information gain (IG) and Naïve Bayesian (NB). The aim of the proposed hybrid spam filtering is to classify the e-mails with high accuracy. The hybrid spam filtering consists of three consequence stages. In the first stage, the information gain (IG) for each attributes (i.e. weight for each feature) is computed. Then, the Ant Colony System algorithm selects the best features that the most intrinsic correlated attributes in classification. Finally, the third stage is dedicated to classify the e-mail using Naïve Bayesian (NB) algorithm. The experiment is conducted on spambase dataset. The result shows that the accuracy of NB with IG-ACS is better than NB with IG only

يقدم هذا البحث نظام مقترح هجين لتصفية الرسائل الالكترونية غير المرغوب بها والذي يتالف من نظام مستعمرة النمل مع نظام الافتراضية البسيط. هدف النظام المقترح تصنيف الرسائل الالكترونية الغير مرغوب بها بدقة عالية .النظام الهجين المقترح يتكون من ثلاث مراحل متعاقبة. في المرحلة الاولى يتم احتساب كسب المعلومات ((IG لكل خاصية . ثم تقوم خوارزمية نظام مستعمرة النمل باختيار افضل الخواص التي تكون مترابطة ترابطا جوهريا في عملية التصنيف الرسائل الالكترونية. اخيرا ,الخطوة الثالثة يتم بها تصنيف الرسائل الالكترونية باستخدام خوارزمية نظام النظرية الافتراضيه البسيط. التجارب اجريت على بيانات spambase. النتائج اظهرت دقة التصنيف الرسائل الالكترونية لنظام الافتراضية البسيط مع نظام مستعمرة النمل افضل من نظام الافتراضية البسيط مع كسب المعلومات.

Listing 1 - 10 of 15 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (15)


Language

English (14)


Year
From To Submit

2018 (6)

2017 (3)

2016 (3)

2014 (1)

2012 (2)