首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

BW-LVQ邮件过滤模型

摘要第1-5页
Abstract第5-6页
目录第6-9页
第一章 引言第9-12页
   ·背景第9-10页
   ·项目目标第10页
   ·论文概要第10-12页
第二章 理论基础第12-20页
   ·邮件过滤的现有方法第12-13页
   ·文本分类第13-18页
     ·文本分类的种类第13-14页
       ·Single-lable vs. Multi-lable第13页
       ·Category-pivoted vs. Document-pivoted第13-14页
       ·Hard-decision vs. Ranking第14页
     ·文本机器学习第14-18页
       ·基本学习途径第14-15页
       ·训练集和测试集第15页
       ·特征选择第15-16页
       ·有效性评估第16-18页
   ·基于学习的方法第18-20页
     ·Nalve Bayes第18页
     ·Support Vector Machines第18-19页
     ·Boosting Trees第19页
     ·Chi-Square第19-20页
第三章 LVQ 邮件过滤模型的设计第20-35页
   ·数据预处理第20-24页
     ·性能测试集的选择第20页
     ·分词处理第20-21页
       ·英文分词第21页
       ·中文分词第21页
     ·邮件的表示第21-23页
     ·特征项的提取第23-24页
   ·LVQ 邮件过滤模型第24-35页
     ·垃圾邮件的定义与分类第24-25页
     ·布尔型垃圾邮件过滤模型的弊端第25-26页
     ·学习矢量量化(LVQ)邮件过滤模型第26-29页
       ·模型推理第26-28页
       ·模型构架第28-29页
     ·LVQ 邮件过滤模型训练算法LVQTrn第29-32页
       ·LVQTrn 算法第29-31页
       ·初始化聚类中心第31页
       ·相似度的计算第31页
       ·学习率选择第31-32页
       ·终止条件第32页
     ·LVQ 邮件过滤模型过滤算法LVQFlt第32-35页
       ·LVQFlt 算法第32-34页
       ·胜者全得竞争第34页
       ·规约计算第34页
       ·邮件类型常量标识第34-35页
第四章 反垃圾邮件LVQ 网络第35-54页
   ·参数取值第35-36页
   ·网络框架第36-37页
   ·程序实现第37-54页
     ·预处理模块第37-44页
       ·单词的存储结构第37-39页
       ·主流程第39-40页
       ·子类单词信息的统计第40-42页
       ·训练集单词信息的统计第42-44页
       ·特征向量的提取第44页
     ·训练模块第44-49页
       ·主流程第44-46页
       ·权值向量的计算第46-47页
       ·子类竞争第47-48页
       ·聚类中心的调整第48-49页
     ·测试模块第49-52页
       ·主流程第49-50页
       ·过滤流程第50-51页
       ·规约第51-52页
     ·评估模块第52-54页
第五章 反垃圾邮件LVQ 网络性能分析第54-68页
   ·评估标准第54-56页
   ·性能评估第56-64页
     ·基本性能第57-58页
     ·低严格度λ=1第58-59页
     ·中严格度λ=9第59-60页
     ·高严格度λ=999第60页
     ·综合评估第60-64页
   ·与其他方法的比较第64-68页
     ·低严格度λ=1第65-66页
     ·中严格度λ=9第66页
     ·高严格度λ=999第66-67页
     ·综合评估第67-68页
第六章 改进型BW 邮件过滤模型的设计与实现第68-71页
   ·设计原理第68-69页
   ·BW-LVQ 邮件过滤模型第69-70页
   ·实现第70-71页
第七章 基于BW-LVQ 邮件过滤模型的邮件服务器第71-75页
   ·邮件服务器过滤模块接口第71-73页
     ·SMTP 服务器第71页
     ·过滤模块插入接口第71-73页
   ·LVQ 邮件过滤模块的插入点第73页
     ·过滤延迟第73页
     ·插入点的选择第73页
   ·BW 邮件过滤模块的插入点第73-75页
     ·过滤延迟第73-74页
     ·插入点的选择第74-75页
第八章 性能优化讨论第75-78页
   ·LVQ 邮件过滤模型第75-76页
     ·个性化训练第75-76页
     ·发送者确认机制第76页
   ·BW 邮件过滤模型第76-78页
     ·反馈BW 名单机制第77-78页
第九章 结论第78-79页
参考文献第79-82页
致谢第82-83页
个人简历第83页

论文共83页,点击 下载论文
上一篇:少自由度微操作机器人机构分析及运动仿真的研究
下一篇:基于.NET的公安报案登记管理系统