اسپم (هرزنامه) یکی از عواملی است که کارایی استفاده از پست الکترونیک را تضعیف می کند. از آنجا که اسپم مخرب ارتباطات الکترونیکی است، مشکلات زیادی با افزایش تعداد اسپم ها به وجود می آید که از آن جمله می توان پر شدن صندوق پستی کاربر، غرق شدن پیغام های شخصی کاربر در انبوهی از پیام ها، هدر دادن فضای ذخیره و پهنای باند ارتباطی و زمان کاربر در حذف پیغام های اسپم اشاره نمود. راه های متعدد و فراوانی جهت مقابله با اين پديده ارائه شده است که هر کدام يکسری مزايا ومعايب دارند، شناخت صحیح عملکرد هر کدام از اين الگوريتم ها و میزان دقت در تشخیص و فیلترکردن نامه های الکترونیکی نامعتبرکاری ضروری می‌باشد. در این تحقیق به فیلتر کردن ایمیل ها براساس ویژگی های آنها پرداخته شده است. این ویژگی ها در بدنه یا عنوان ایمیل و فرستنده ایمیل ملاحظه می گردد. برای این منظور لیستی از کلمات تحت عنوان "لیست سیاه" وجود دارند که فراوانی حضور این کلمات در ایمیل را مشخص می نماید و برحسب این فراوانی و تعداد تکرار وزن دهی انجام شد. ایجاد قوانین، مرحله اصلی بود که با توجه به سه معیار درنظر گرفته شده در روش پیشنهادی انجام شده است. سپس شبکه عصبی فازی برای تشخیص اسپم با استفاده از قوانین ایجاد شده و آموزش مورد بحث قرار گرفته است. روش کار پیشنهادی برای تشخیص اسپم دارای دو بخش است؛ که بخش اول آن مربوط به وزن دهی اسپم و بخش دوم اعمال شبکه عصبی فازی است. 

موارد زیر در این پروژه در نظر گرفته شده است:
 استفاده از مجموعه داده موجود در سایت Enron-Spam datasets
اعمال شبکه عصبی فازی برای تشخیص اسپم
استفاده از نرم افزار متلب برای پیاده سازی 
 توضیح کامل پروژه

خروجی 1


خروجی 2