| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究的主要内容及章节安排 | 第9-11页 |
| 第二章 垃圾邮件概述 | 第11-22页 |
| ·垃圾邮件简介 | 第11-14页 |
| ·垃圾邮件的概念 | 第11页 |
| ·垃圾邮件的产生与发展 | 第11-12页 |
| ·中国垃圾邮件的现状 | 第12-13页 |
| ·垃圾邮件的危害 | 第13-14页 |
| ·垃圾邮件的类型 | 第14页 |
| ·反垃圾邮件对策和技术要点 | 第14-22页 |
| 第三章 文本挖掘技术 | 第22-29页 |
| ·文本挖掘 | 第22-26页 |
| ·文本挖掘的定义 | 第22-23页 |
| ·文本挖掘的过程 | 第23-24页 |
| ·文本挖掘方法 | 第24-26页 |
| ·文本挖掘技术在反垃圾邮件方面的应用 | 第26-29页 |
| ·电子邮件的格式 | 第26-28页 |
| ·电子邮件的分类过程 | 第28-29页 |
| 第四章 正文文本信息预处理技术研究 | 第29-43页 |
| ·邮件过滤模型 | 第29-30页 |
| ·中文分词 | 第30-34页 |
| ·中文分词的概念 | 第30-31页 |
| ·中文分词的主要方法 | 第31-34页 |
| ·空间向量模型中特征项的选择 | 第34-38页 |
| ·向量空间模型中特征项权值的计算 | 第38页 |
| ·文本信息的表示 | 第38-43页 |
| ·布尔模型(Boolean Model) | 第39页 |
| ·概率模型(Probabistic Model) | 第39-40页 |
| ·向量空间模型(Vector Space Model) | 第40-43页 |
| 第五章 KNN-最近邻算法在邮件过滤中的应用 | 第43-53页 |
| ·KNN-最近邻算法 | 第43-47页 |
| ·KNN-最近邻算法介绍 | 第43-46页 |
| ·结果与评价标准 | 第46-47页 |
| ·基于改进汉明距离的KNN-最近邻算法 | 第47-50页 |
| ·基于汉明距离的KNN-最近邻算法 | 第47-49页 |
| ·算法改进及实验结果 | 第49-50页 |
| ·基于聚类的KNN-最近邻算法 | 第50-53页 |
| 第六章 RBF在邮件过滤中的应用 | 第53-62页 |
| ·概述 | 第53页 |
| ·径向基函数(Radial Basis Function，RBF) | 第53-58页 |
| ·线性模型 | 第53-55页 |
| ·精确插值 | 第55-56页 |
| ·函树逼近 | 第56-58页 |
| ·RBF神经网络学习算法 | 第58-60页 |
| ·实验结果 | 第60-62页 |
| 第七章 结论与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |