Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/15352
Campo DC Valoridioma
dc.contributor.advisorSuárez Araujo, Carmen Paz-
dc.contributor.advisorPatricio García Báez-
dc.contributor.authorCabrera León, Ylermi-
dc.contributor.otherEscuela de Ingeniería Informáticaen_US
dc.date.accessioned2016-01-12T03:30:11Z-
dc.date.accessioned2018-06-15T09:21:42Z-
dc.date.available2016-01-12T03:30:11Z-
dc.date.available2018-06-15T09:21:42Z-
dc.date.issued2015en_US
dc.identifier.urihttp://hdl.handle.net/10553/15352-
dc.description.abstractEl spam, o correo no deseado enviado masivamente, es una amenaza que afecta al correo electrónico y otros medios de comunicación telemática. Su alto volumen de circulación genera pérdidas temporales y económicas considerables. Se presenta una solución a este problema: un sistema inteligente híbrido de filtrado antispam, basado en redes neuronales artificiales (RNA) no supervisadas. Consta de una etapa de preprocesado y de otra de procesado, basadas en distintos modelos de computación: programada (con 2 fases: manual y computacional) y neuronal (mediante mapas autoorganizados de Kohonen, SOM), respectivamente. Este sistema ha sido optimizado usando, como cuerpo de datos, ham de “Enron Email” y spam de dos fuentes diferentes. Se analiza la calidad y el rendimiento del mismo mediante diferentes métricas.en_US
dc.description.abstractSpam, or junk mail sent massively, is one of the threats to e-mail and other means of telematic communication. Its high volume generates substantial time and economic losses. This Final Project presents a solution to this problem: a hybrid intelligent spam filtering system based on unsupervised Artificial Neural Networks (ANN). It consists of a preprocessing step and other processing, both based on different computation models: programmed (with 2 phases: manual and computational) and neural (using Kohonen's Self-Organizing Maps, SOM), respectively. This system has been optimized using, as a data body, ham from "Enron Email" and spam from two different sources. We analyzed its quality and performance with different metrics.en_US
dc.formatapplication/pdfes
dc.languagespaen_US
dc.rightsby-nc-ndes
dc.subject120317 Informáticaen_US
dc.subject.otherFiltro antispamen_US
dc.subject.otherSpamen_US
dc.subject.otherRedes neuronales artificialesen_US
dc.subject.otherMapas autoorganizadosen_US
dc.subject.otherSelf-Organizing Mapsen_US
dc.subject.otherTerm Frequencyen_US
dc.subject.otherInverse Document Frequencyen_US
dc.subject.otherInverse Category Frequencyen_US
dc.subject.otherHamen_US
dc.titleAnálisis del uso de las redes neuronales artificiales en el diseño de filtros antispam : una propuesta basada en arquitecturas neuronales no supervisadasen_US
dc.typeinfo:eu-repo/semantics/studentThesisen_US
dc.typeStudentThesisen_US
dc.compliance.driver1es
dc.contributor.departamentoDepartamento de Informática y Sistemasen_US
dc.contributor.facultadEscuela de Ingeniería Informáticaen_US
dc.identifier.absysnet716826es
dc.investigacionIngeniería y Arquitecturaen_US
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses
dc.type2Proyecto fin de carreraen_US
dc.utils.revisionen_US
dc.identifier.matriculaTFT-24366es
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-INFen_US
dc.contributor.titulacionIngeniero en Informáticaes
item.fulltextCon texto completo-
item.grantfulltextopen-
crisitem.advisor.deptGIR IUCES: Computación inteligente, percepción y big data-
crisitem.advisor.deptIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
crisitem.advisor.deptGIR IUCES: Computación inteligente, percepción y big data-
crisitem.advisor.deptIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.author.deptGIR IUCES: Computación inteligente, percepción y big data-
crisitem.author.deptIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.author.orcid0000-0001-5709-2274-
crisitem.author.parentorgIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.author.fullNameCabrera León, Ylermi-
Colección:Proyecto fin de carrera
miniatura
Memoria
Adobe PDF (1,69 MB)
Vista resumida

Visitas

174
actualizado el 27-ene-2024

Descargas

747
actualizado el 27-ene-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.