| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 1 引言 | 第12-18页 |
| ·研究背景和意义 | 第12-13页 |
| ·垃圾邮件的概念 | 第12页 |
| ·垃圾邮件的危害 | 第12-13页 |
| ·垃圾邮件的现状 | 第13页 |
| ·国内外研究现状 | 第13-15页 |
| ·邮件过滤系统的体系结构 | 第13-15页 |
| ·反垃圾邮件技术 | 第15页 |
| ·本文主要研究问题和内容 | 第15-17页 |
| ·主要研究问题 | 第15-16页 |
| ·研究内容 | 第16-17页 |
| ·本文的章节安排 | 第17-18页 |
| 2 垃圾邮件过滤技术 | 第18-23页 |
| ·源地址过滤技术 | 第18-19页 |
| ·白名单(Whitelist)技术 | 第18页 |
| ·黑名单(Blacklist)技术 | 第18-19页 |
| ·基于内容的过滤技术 | 第19-22页 |
| ·基于规则的过滤方法 | 第19-20页 |
| ·基于统计的过滤方法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 小标注量的自学习方法 | 第23-30页 |
| ·半监督机器学习理论 | 第23-25页 |
| ·问题描述和数学原理 | 第23-24页 |
| ·半监督学习方法的种类 | 第24-25页 |
| ·半监督机器学习中的协同训练(co-training)技术 | 第25-29页 |
| ·基本描述 | 第25-26页 |
| ·理论分析 | 第26-28页 |
| ·协同训练算法的应用 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 POP3邮件过滤代理SAMFUF及其优化 | 第30-46页 |
| ·POP3邮件过滤代理模型 | 第30-31页 |
| ·POP3邮件过滤代理模型的系统结构及工作流程 | 第30-31页 |
| ·POP3邮件过滤代理模型的程序执行流程 | 第31页 |
| ·邮件解析过程 | 第31-37页 |
| ·邮件解析流程 | 第31-32页 |
| ·邮件解析各部分的功能及实现 | 第32-37页 |
| ·建立连接过程 | 第37-39页 |
| ·最大熵工具 | 第39-43页 |
| ·最大嫡原理简介 | 第39-41页 |
| ·最大熵工具包的编译 | 第41页 |
| ·最大熵工具的使用 | 第41-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·测试环境 | 第43页 |
| ·实验数据 | 第43-44页 |
| ·实验分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 无标注自学习反垃圾邮件的研究 | 第46-56页 |
| ·基于规则的垃圾邮件过滤 | 第46-49页 |
| ·基于规则过滤的系统结构 | 第46页 |
| ·基于规则过滤的逻辑流程 | 第46-48页 |
| ·基于规则的邮件过滤小结 | 第48-49页 |
| ·基于Co-training的邮件过滤 | 第49-50页 |
| ·Co-training算法的模型 | 第49页 |
| ·垃圾邮件过滤系统中的co-training算法 | 第49-50页 |
| ·Co-training邮件过滤小结 | 第50页 |
| ·规则过滤与co-training的融合 | 第50-52页 |
| ·规则与co-training融合过滤的流程设计 | 第51页 |
| ·规则与co-training融合过滤的算法 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·定义 | 第52页 |
| ·实验数据 | 第52-54页 |
| ·实验分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
| 硕士研究生期间发表的学术论文 | 第62页 |
| 科研成果 | 第62页 |