| 摘要 | 第1-5页 |
| ABSTRACT | 第5-15页 |
| 第一章 绪论 | 第15-22页 |
| ·研究背景 | 第15-16页 |
| ·国内外反垃圾邮件现状 | 第16-20页 |
| ·论文研究内容 | 第20页 |
| ·论文结构 | 第20-22页 |
| 第二章 垃圾邮件内容过滤技术 | 第22-32页 |
| ·反垃圾邮件方法简介 | 第22-24页 |
| ·基于规则的垃圾邮件过滤技术 | 第24-25页 |
| ·Ripper | 第24页 |
| ·Decision Tree | 第24-25页 |
| ·Boosting | 第25页 |
| ·基于统计的垃圾邮件过滤技术 | 第25-29页 |
| ·Bayes | 第26-27页 |
| ·kNN | 第27-28页 |
| ·SVM | 第28-29页 |
| ·Winnow | 第29页 |
| ·中文分词技术 | 第29-31页 |
| ·基于字典、词库匹配的分词方法（机械分词法） | 第30页 |
| ·基于词的频度统计的分词方法（全切分） | 第30-31页 |
| ·基于知识理解的分词方法 | 第31页 |
| ·小结 | 第31-32页 |
| 第三章 中文反垃圾邮件过滤引擎的总体架构 | 第32-44页 |
| ·中文反垃圾邮件过滤引擎的总体结构 | 第32-33页 |
| ·邮件预处理模块 | 第33-41页 |
| ·邮件解码器 | 第33-36页 |
| ·中文分词 | 第36-37页 |
| ·特征提取 | 第37-38页 |
| ·邮件的向量表示 | 第38-39页 |
| ·预处理运行界面 | 第39-41页 |
| ·训练及分类模块 | 第41页 |
| ·反馈学习模块 | 第41-43页 |
| ·反馈学习的分类 | 第42页 |
| ·基于网格的反馈学习 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于WINNOW 的反垃圾邮件分类器算法的改进与实现 | 第44-73页 |
| ·线性分类器 | 第44-45页 |
| ·WINNOW 分类算法 | 第45-49页 |
| ·基本Winnow 算法两种形式的统一 | 第46-48页 |
| ·Balanced Winnow 算法指数形式的推导 | 第48-49页 |
| ·REVIEW WINNOW 算法的提出与分析 | 第49-56页 |
| ·Review Winnow 的提出 | 第49-50页 |
| ·损失函数的选取 | 第50-52页 |
| ·Review Winnow Balanced 形式的推导 | 第52-54页 |
| ·惩罚因子的选取 | 第54-56页 |
| ·基于BALANCED R-WINNOW 算法的分类器性能的提升 | 第56-63页 |
| ·通过去除野点提升分类器性能 | 第56-57页 |
| ·通过AdaBoost 算法提升分类器性能 | 第57-60页 |
| ·ADOR-Winnow 邮件分类器的构建 | 第60-63页 |
| ·实验数据及分析 | 第63-72页 |
| ·实验样本集 | 第63页 |
| ·评价标准 | 第63-65页 |
| ·实验步骤 | 第65-66页 |
| ·实验结果及分析 | 第66-72页 |
| ·小结 | 第72-73页 |
| 第五章 基于网格的反馈学习模型 | 第73-86页 |
| ·反垃圾邮件网格 | 第73-76页 |
| ·反垃圾邮件网格的角色 | 第73-75页 |
| ·反垃圾邮件网格的过滤流程 | 第75-76页 |
| ·基于用户分类的反垃圾邮件网格体系结构 | 第76-81页 |
| ·用户信息的获取 | 第77页 |
| ·用户信息的表示 | 第77-78页 |
| ·基于用户分类的反垃圾邮件网格体系结构 | 第78-79页 |
| ·服务器端的数据结构 | 第79-81页 |
| ·基于网格的反馈学习的处理流程 | 第81-84页 |
| ·反馈邮件的上传与处理 | 第81-83页 |
| ·GRIS 间的信息共享 | 第83页 |
| ·训练结果的分发 | 第83-84页 |
| ·小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-88页 |
| ·论文的主要工作及贡献 | 第86-87页 |
| ·下一步的工作 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93-94页 |
| 在学期间的研究成果及发表的学术论文 | 第94页 |
