| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·课题的研究现状 | 第10-11页 |
| ·本文的研究内容及研究重点 | 第11-13页 |
| 第二章 网络信息过滤及其关键技术 | 第13-27页 |
| ·网络信息过滤一般模型 | 第13页 |
| ·网络信息过滤关键技术 | 第13-21页 |
| ·数据包捕获技术 | 第13-15页 |
| ·文本切词技术 | 第15-16页 |
| ·特征选择 | 第16-18页 |
| ·文本表示模型 | 第18-19页 |
| ·文本分类 | 第19-21页 |
| ·反馈机制 | 第21-25页 |
| ·反馈信息的获取方法 | 第22-23页 |
| ·伪反馈要研究的问题 | 第23-24页 |
| ·用户反馈信息的评价指标 | 第24-25页 |
| ·网络信息过滤模板的构建 | 第25-26页 |
| ·网络信息过滤的研究重点及困难 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于反馈增量学习的过滤模板更新机制 | 第27-36页 |
| ·反馈增量学习 | 第27页 |
| ·过滤模板更新机制 | 第27-30页 |
| ·本文反馈信息获取方法 | 第27-28页 |
| ·基于示例文档的过滤模板增量学习 | 第28页 |
| ·基于文本分类的过滤模板增量学习 | 第28-30页 |
| ·基于反馈增量学习的过滤模板更新机制 | 第30-35页 |
| ·GA 在过滤模板更新中的应用 | 第30-32页 |
| ·反馈信息中基于种群平均适应度的改进特征选择方法 | 第32-33页 |
| ·基于朴素 Bayes 分类的过滤模板反馈增量学习 | 第33-34页 |
| ·基于示例文档的过滤模板反馈增量学习算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 反馈增量学习算法在网络信息过滤系统中的应用 | 第36-46页 |
| ·系统设计目标 | 第36页 |
| ·系统整体框架 | 第36-38页 |
| ·反馈增量学习模块设计 | 第38-39页 |
| ·网络信息过滤系统的实现 | 第39-42页 |
| ·系统界面设计 | 第39-40页 |
| ·系统过滤效果图 | 第40-42页 |
| ·实验设计及结果分析 | 第42-45页 |
| ·基于朴素 Bayes 分类的过滤模板反馈增量学习实验 | 第42-44页 |
| ·基于示例文档的过滤模板反馈增量学习实验 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| ·所做的主要工作 | 第46页 |
| ·研究展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 攻硕期间发表论文及科研成果 | 第49-50页 |
| 致谢 | 第50页 |
