發(fā)布時間：2025-01-17 10:28

　　隨著信息技術(shù)與智能終端的快速發(fā)展,智能終端連接互聯(lián)網(wǎng)也愈加方便,用戶的娛樂時間也逐漸從個人電腦轉(zhuǎn)向了智能終端。但互聯(lián)網(wǎng)是一個內(nèi)容豐富且較為自由的空間,容易被惡意的人利用發(fā)布不良信息對社會造成影響,因此國內(nèi)外一些傳統(tǒng)軟件企業(yè)針對智能終端研發(fā)了具有不良網(wǎng)站攔截功能的手機(jī)衛(wèi)士等產(chǎn)品。但這些產(chǎn)品中的一部分過濾技術(shù)并沒有和目前主流的云計(jì)算平臺相結(jié)合,也有部分檢測功能的實(shí)現(xiàn)是基于云計(jì)算平臺的,可采取過濾方式都是較為容易實(shí)現(xiàn)的黑白名單匹配檢測方式,并沒有充分發(fā)揮云計(jì)算平臺處理大量數(shù)據(jù)的優(yōu)勢。因此研究如何將目前的主要的不良網(wǎng)站過濾技術(shù)與主流的云計(jì)算平臺相結(jié)合形成優(yōu)勢互補(bǔ),具有一定的實(shí)現(xiàn)意義。本文主要研究基于云計(jì)算的智能終端不良網(wǎng)站過濾技術(shù),主要工作是對不良文本和不良圖片的特征進(jìn)行提取、并分類以及最后綜合文本圖片的分類結(jié)果對不良網(wǎng)站的類型進(jìn)行最終判斷。本文采用了基于Spark平臺的改進(jìn)KNN算法對網(wǎng)頁上的內(nèi)容信息進(jìn)行識別訓(xùn)練分類,最后使用決策樹算法模型對不良文本的類型以及不良圖片的類型進(jìn)行再次綜合分析,最終判斷出不良網(wǎng)站的不良類型,并根據(jù)預(yù)先設(shè)定好的閾值給出網(wǎng)站的危險等級。由于這些功能都是在云計(jì)算平臺上并...

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1云計(jì)算服務(wù)云計(jì)算服務(wù)在平常使用中展現(xiàn)了很多特征，其關(guān)鍵特征如下所示：（1）敏捷性高，云計(jì)算可以通過重新配置提高用戶的靈活性，增加或者擴(kuò)大技術(shù)基礎(chǔ)

圖2.1云計(jì)算服務(wù)服務(wù)在平常使用中展現(xiàn)了很多特征，其關(guān)鍵特征如下所示：敏捷性高，云計(jì)算可以通過重新配置提高用戶的靈活性，增加或者擴(kuò)訪問便捷，用戶只需要通過網(wǎng)絡(luò)瀏覽器就可以訪問系統(tǒng)，跨越了設(shè)備效率提升，對于多個用戶處理同一個數(shù)據(jù)時，用戶不需要在本地安裝接在云環(huán)境下處理數(shù)據(jù)，節(jié)省....

圖4.7基于Spark云平臺改進(jìn)KNN算法效率

圖4.7基于Spark云平臺改進(jìn)KNN算法效率由圖4.7可知道，KNN算法的精確度與選取的k的值有很大的關(guān)系，當(dāng)選取k的值較小的時候，精確度相當(dāng)?shù)停�而隨著k值增大，算法準(zhǔn)確度也逐漸提高，但是當(dāng)選取的k值更大的時候，精確度大多數(shù)時候反而降低了，從而可....

圖4.8基于Spark改進(jìn)KNN算法運(yùn)行時間由圖4.8可知，在KNN算法以及基于Spark云平臺改進(jìn)KNN算法選取k的值都是最

圖4.7基于Spark云平臺改進(jìn)KNN算法效率由圖4.7可知道，KNN算法的精確度與選取的k的值有很大的關(guān)系，當(dāng)選取k的值較小的時候，精確度相當(dāng)?shù)停�而隨著k值增大，算法準(zhǔn)確度也逐漸提高，但是當(dāng)選取的k值更大的時候，精確度大多數(shù)時候反而降低了，從而可....

圖5.3YCbCr色彩空間圖片

doubleangle,doublestartAngledoubleendAngle,constScalar&colorintthinckness=1,intlineType=8,intshift=0)核心函數(shù)用來在圖片上形成橢圓，其中主要的相關(guān)表....

本文編號：4027951