జర్నల్ ఆఫ్ కంప్యూటర్ ఇంజనీరింగ్ & ఇన్ఫర్మేషన్ టెక్నాలజీ

ఇమెయిల్ స్పామ్ గుర్తింపు కోసం ఒక స్వార్మ్ ప్రతికూల ఎంపిక అల్గారిథమ్

ఇస్మాయిలా ఇద్రిస్ మరియు అలీ సెలమత్

ఇమెయిల్ స్పామ్ గుర్తింపు కోసం ఒక స్వార్మ్ ప్రతికూల ఎంపిక అల్గారిథమ్

ఆర్జ్ మెయిలింగ్ సాధనాల వాడకంతో ఇమెయిల్ స్పామ్ యొక్క పెరిగిన స్వభావం అన్‌యోలాసిటెడ్ ఇమెయిల్ యొక్క ముప్పును ఎదుర్కోవడానికి డిటెక్టర్ ఉత్పత్తి యొక్క అవసరాన్ని ప్రాంప్ట్ చేస్తుంది. మానవ రోగనిరోధక వ్యవస్థ నుండి ప్రేరణ పొందిన డిటెక్టర్ ఉత్పత్తి ప్రతికూల ఎంపిక అల్గోరిథం (NSA)లో డిటెక్టర్‌ను రూపొందించడానికి పార్టికల్ స్వార్మ్ ఆప్టిమైజేషన్ (PSO)ని అమలు చేస్తుంది. అవుట్‌లియర్ డిటెక్టర్లు లోకల్ అవుట్‌లియర్ ఫ్యాక్టర్ (LOF) ద్వారా రూపొందించబడిన ప్రత్యేక లక్షణాలు. ప్రతి అభ్యర్థి డిటెక్టర్ యొక్క లోకల్ బెస్ట్ (Pbest)ని నిర్ణయించడానికి ఫిట్‌నెస్ ఫంక్షన్‌గా స్థానిక అవుట్‌లియర్ ఫ్యాక్టర్ అమలు చేయబడుతుంది. ప్రతి అవుట్‌లియర్ డిటెక్టర్ యొక్క కదలిక మరియు కొత్త కణ స్థానానికి మద్దతు ఇవ్వడానికి కణ సమూహ ఆప్టిమైజేషన్ యొక్క వేగం మరియు స్థానం ఉపయోగించబడుతుంది. కణ సమూహ ఆప్టిమైజేషన్ (PSO) అనేది డిటెక్టర్ల యాదృచ్ఛిక తరం కంటే ప్రతికూల ఎంపిక అల్గారిథమ్‌లో డిటెక్టర్ ఉత్పత్తిని మెరుగుపరచడానికి అమలు చేయబడింది. మోడల్‌ను సమూహ ప్రతికూల ఎంపిక అల్గారిథమ్ (SNSA) అంటారు. ప్రతిపాదిత SNSA మోడల్ ప్రామాణిక NSA కంటే మెరుగ్గా పనిచేస్తుందని ప్రయోగాత్మక ఫలితం చూపిస్తుంది.