搜索资源列表
Classifier4J
- Classifier4J这个Java类库为文本自动分类提供了一个API。缺省（目前）实现的API是一个贝叶斯分类器。这个类库可以用于多个目的－可能作为一个垃圾邮件过滤器或一个blog-Classifier4J Java class library for the automatic text classification provided an API. Default (current) to achieve the API is a Bayesian classifier. This lib
Bayes
- 基于朴素贝叶斯的垃圾邮件过滤java程序-Java program based on the Naï ve Bayesian spam filtering
BeiyesiClassfication
- 贝叶斯 垃圾邮件分类器 java，对训练邮件的字符使用贝叶斯概率公式计算概率，在对测试数据分析-spam filter using beiyesi
attachments_2013_03_14
- Java file to detect the spam in the outgoing mails
weka
- 用于垃圾邮件过滤中的邮件预处理、降维JAVA代码 -For spam filtering mail preprocessing, dimensionality reduction JAVA code
FeatureFinder[1]
- 基于tdf方式的于垃圾邮件过滤的邮件预处理JAVA代码-Pretreatment JAVA code based on the the TDF way spam filtering mail
javauseindenter
- Java消息过滤器的实现源码，在EJB 通信过程当中，对方可能给你发来你不想要的信息，就像网上常见的垃圾邮件，EJB 只想得到特定的消息，于是需要一个消息过滤系统。本实例实现了一个消息过滤系统的原型。-Java message filter implemented source EJB communication process in which the other party may send you to the information you do not want, like onlin
USEINDENTER
- Java消息过滤器的实现源码，在EJB 通信过程当中，对方可能给你发来你不想要的信息，就像网上常见的垃圾邮件，EJB 只想得到特定的消息，于是需要一个消息过滤系统。本实例实现了一个消息过滤系统的原型。-Java message filters implemented source in EJB communication process, the other party may send you to the information you do not want, like online co
USEINDENTER
- ava源码,网络相关,消息过滤 Java消息过滤器的实现源码，在EJB 通信过程当中，对方可能给你发来你不想要的信息，就像网上常见的垃圾邮件，EJB 只想得到特定的消息，于是需要一个消息过滤系统。本实例实现了一个消息过滤系统的原型。-ava source, network-related, message filtering Java message filters implemented source in EJB communication process, the other p
USEINDENTER
- Java消息过滤器的实现源码，在EJB 通信过程当中，对方可能给你发来你不想要的信息，就像网上常见的垃圾邮件，EJB 只想得到特定的消息，于是需要一个消息过滤系统-Java message filters to achieve the source, in the EJB communication process, the other party may send you to the information you do not want, just like the online comm
fhf
- Java based Captcha in PHP for spam blocking.
EmailFilt
- 基于java的垃圾邮件过滤器 适用于对手机短信，邮箱邮件等一些txt文件进行分类-Java-based spam filter suitable for SMS, E-mail messages and some txt file classification
learning-spark-master
- 将逻辑回归应用于二元分类的情况。这里以垃圾邮件分类为例，即是否为垃圾邮件两种情况。然后，根据词频把每个文件中的文本转换为特征向量，训练出一个可以把两类消息分开的逻辑回归模型，判断输入测试语句是否为垃圾邮件。(Spark MLlib (Java): Input: spam.txt; normal.txt; text sentence. Output:1.0(spam), 0.0(normal email))