| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 课题来源及组织 | 第9-11页 |
| 第二章 相关技术研究 | 第11-20页 |
| 2.1 不良信息过滤相关技术 | 第11-13页 |
| 2.1.1 数据库过滤（IP库、URL库） | 第11-12页 |
| 2.1.2 关键词过滤 | 第12页 |
| 2.1.3 基于内容理解的过滤 | 第12-13页 |
| 2.2 文本内容过滤关键技术研究 | 第13-15页 |
| 2.2.1 文本内容过滤 | 第13-14页 |
| 2.2.2 文本内容匹配算法模型 | 第14-15页 |
| 2.3 图像内容过滤关键技术研究 | 第15-18页 |
| 2.3.1 图像内容特征描述与识别技术 | 第16-17页 |
| 2.3.2 图像分类器 | 第17-18页 |
| 2.4 基于云计算的不良信息过滤 | 第18-19页 |
| 2.4.1 云计算平台Hadoop | 第18-19页 |
| 2.4.2 基于云计算的支持向量机分类过滤 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于云计算的智能手机信息过滤系统总体设计 | 第20-34页 |
| 3.1 系统分析 | 第20页 |
| 3.2 系统总体架构设计 | 第20-28页 |
| 3.2.1 客户端模块 | 第21-23页 |
| 3.2.2 服务器模块 | 第23-28页 |
| 3.3 云端终端交互设计 | 第28-30页 |
| 3.4 数据库设计 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于MapReduce的PSVM分类器构建 | 第34-46页 |
| 4.1 并行支持向量机PSVM | 第34-35页 |
| 4.2 MapReduce | 第35-37页 |
| 4.3 分类器构建 | 第37-45页 |
| 4.3.1 单机SVM | 第37-38页 |
| 4.3.2 并行SVM | 第38-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于云计算的智能手机信息过滤系统主要功能实现 | 第46-61页 |
| 5.1 网络不良文本过滤 | 第46-51页 |
| 5.1.1 文本预处理 | 第46-47页 |
| 5.1.2 特征提取 | 第47-50页 |
| 5.1.3 文本识别过滤过程 | 第50-51页 |
| 5.2 网络不良图像过滤 | 第51-60页 |
| 5.2.1 人脸检测 | 第51-53页 |
| 5.2.2 肤色检测 | 第53-56页 |
| 5.2.3 纹理检测 | 第56-59页 |
| 5.2.4 图像识别过滤过程 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 系统测试 | 第61-67页 |
| 6.1 环境测试 | 第61-62页 |
| 6.2 系统用例测试 | 第62-66页 |
| 6.3 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |