基于贝叶斯网络的图像型垃圾邮件识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景与意义 | 第10页 |
| ·图像型垃圾邮件过滤技术概述 | 第10-14页 |
| ·基于内容的反垃圾邮件技术 | 第11-12页 |
| ·图像型垃圾邮件过滤技术 | 第12-14页 |
| ·贝叶斯学习与贝叶斯网络优点 | 第14-15页 |
| ·论文研究的技术路线与技术难点 | 第15-16页 |
| ·论文研究内容与组织结构 | 第16-17页 |
| 第二章 贝叶斯理论与贝叶斯网络 | 第17-28页 |
| ·贝叶斯理论 | 第17-19页 |
| ·贝叶斯理论简介 | 第17-18页 |
| ·贝叶斯定理 | 第18-19页 |
| ·贝叶斯网络基本理论 | 第19-22页 |
| ·基本概念 | 第19-21页 |
| ·贝叶斯网络建模 | 第21-22页 |
| ·贝叶斯网络结构学习 | 第22-23页 |
| ·贝叶斯网络结构学习的原理 | 第22页 |
| ·贝叶斯网络结构学习方法 | 第22-23页 |
| ·贝叶斯网络概率推理 | 第23-27页 |
| ·精确概率推理算法 | 第24-26页 |
| ·近似概率推理算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 图像垃圾邮件分析与特征提取 | 第28-44页 |
| ·图像垃圾邮件分析 | 第28-29页 |
| ·垃圾邮件图像的数据分析 | 第29-32页 |
| ·图像名称 | 第30页 |
| ·文件大小 | 第30-31页 |
| ·图像的面积 | 第31页 |
| ·可压缩性 | 第31-32页 |
| ·垃圾邮件图像特征的简单分析 | 第32-34页 |
| ·文件属性 | 第33页 |
| ·内容属性 | 第33页 |
| ·文本域特征 | 第33-34页 |
| ·噪声特征 | 第34页 |
| ·边缘特征 | 第34页 |
| ·图像特征的提取 | 第34-43页 |
| ·颜色特征 | 第34-36页 |
| ·噪声特征 | 第36-41页 |
| ·纹理特征 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于贝叶斯网的邮件图像识别方法 | 第44-59页 |
| ·邮件图像识别方法 | 第44-46页 |
| ·数据学习 | 第46-52页 |
| ·贝叶斯网络构建过程 | 第46-47页 |
| ·数据离散化 | 第47-50页 |
| ·结构学习 | 第50-52页 |
| ·推理 | 第52-54页 |
| ·测试与结果分析 | 第54-58页 |
| ·性能评价标准 | 第54-56页 |
| ·测试结果与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的论文及参加的科研项目 | 第66页 |
