基于SVM的垃圾邮件过滤的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 1 引言 | 第8-13页 |
| ·垃圾邮件的基本概念及特点 | 第8页 |
| ·反垃圾邮件技术的研究意义 | 第8-9页 |
| ·反垃圾邮件技术的发展 | 第9-12页 |
| ·邮件服务器安全 | 第9-10页 |
| ·垃圾邮件过滤技术简述 | 第10-11页 |
| ·新技术的讨论 | 第11-12页 |
| ·本系统的功能及特色 | 第12-13页 |
| 2 电子邮件相关知识 | 第13-16页 |
| ·电子邮件的格式 | 第13页 |
| ·电子邮件的传送 | 第13-14页 |
| ·邮件系统有关的协议和标准 | 第14-16页 |
| ·邮件传输代理协议(MTA protocols) | 第14-15页 |
| ·邮件用户代理协议(MUA Protocols) | 第15-16页 |
| 3. 相关研究 | 第16-34页 |
| ·中文分词 | 第16-18页 |
| ·信息过滤 | 第18-19页 |
| ·文本表示方法 | 第19-20页 |
| ·特征项的提取 | 第20-22页 |
| ·支持向量机 | 第22-31页 |
| ·统计学习理论 | 第22-23页 |
| ·支持向量机简述 | 第23-26页 |
| ·支持向量机的核函数 | 第26-27页 |
| ·核函数作用及核参数的影响 | 第27页 |
| ·支持向量机中参数C的影响 | 第27页 |
| ·支持向量机和神经网络的不同训练方法 | 第27-28页 |
| ·支持向量机主动学习 | 第28-30页 |
| ·SVM方法在文本分类中的应用 | 第30-31页 |
| ·文本分类算法 | 第31-34页 |
| ·简单向量距离分类法 | 第31-32页 |
| ·贝叶斯算法 | 第32-33页 |
| ·KNN(K最近邻居)算法 | 第33-34页 |
| ·神经网络算法 | 第34页 |
| 4. 系统设计与实现 | 第34-44页 |
| ·系统结构 | 第34-35页 |
| ·中文分词方法 | 第35-37页 |
| ·主题词数据库的建立 | 第35页 |
| ·具体分词处理 | 第35-37页 |
| ·程序运行界面 | 第37页 |
| ·邮件特征提取 | 第37-39页 |
| ·程序运行界面 | 第39页 |
| ·outlook嵌入方法 | 第39-43页 |
| ·具体的嵌入方法 | 第39-41页 |
| ·注册插件 | 第41-42页 |
| ·程序生成界面 | 第42-43页 |
| ·支持向量机分类器的设计 | 第43-44页 |
| 5 实验结果 | 第44-46页 |
| 6 垃圾邮件过滤的发展方向和研究趋势 | 第46-47页 |
| 结束语 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的学术论文 | 第52-53页 |
| 学位论文评阅及答辩情况表 | 第53页 |
