| 学位论文 | 第1-9页 |
| 第一章 引言 | 第9-12页 |
| ·课题的背景 | 第9页 |
| ·课题的特点 | 第9页 |
| ·课题的意义和价值 | 第9-10页 |
| ·本人所做的工作 | 第10页 |
| ·本文内容安排 | 第10-12页 |
| 第二章 垃圾邮件和反垃圾邮件技术 | 第12-20页 |
| ·垃圾邮件的危害及现状 | 第12-13页 |
| ·垃圾邮件的定义及分类 | 第13-14页 |
| ·垃圾邮件发送和反垃圾邮件技术 | 第14-15页 |
| ·邮件系统协议 | 第15-20页 |
| ·SMTP 协议邮件的格式 | 第15-17页 |
| ·邮件协议及交互命令简介 | 第17-20页 |
| 第三章 K-L 算法和遗传算法的理论 | 第20-25页 |
| ·Karhunen-Loeve 算法概述 | 第20-21页 |
| ·K-L 展开式 | 第20-21页 |
| ·K-L 展开式的性质 | 第21页 |
| ·遗传算法概述 | 第21-25页 |
| ·遗传算法简介 | 第21-22页 |
| ·遗传算法中的部分术语 | 第22-25页 |
| 第四章 K-L 算法和遗传算法在邮件特征提取中的应用 | 第25-34页 |
| ·汉字特征提取概述 | 第25页 |
| ·基于遗传算法的垃圾邮件的汉字特征提取的算法分析 | 第25-30页 |
| ·邮件特征值的形成 | 第25-27页 |
| ·用K-L 法(Karhunen Loeve)特征提取 | 第27-30页 |
| ·用遗传算法进行特征选择 | 第30-32页 |
| ·时间复杂度和空间复杂度分析 | 第32-34页 |
| ·分裂邮件词汇(特征元)分析 | 第33页 |
| ·通过概率距离进行特征提取分析 | 第33-34页 |
| 第五章 贝叶斯理论及其在反垃圾邮件分类器中的应用 | 第34-41页 |
| ·贝叶斯算法理论(决策和学习) | 第34-38页 |
| ·贝叶斯决策理论概述 | 第34页 |
| ·几种常用的决策规则 | 第34-37页 |
| ·贝叶斯学习概述 | 第37-38页 |
| ·贝叶斯算法在分类器中的应用 | 第38-41页 |
| ·邮件特征的贝叶斯学习 | 第38-39页 |
| ·决策风险计算 | 第39-41页 |
| 第六章 系统的分析、设计及实现 | 第41-68页 |
| ·系统分析 | 第41-49页 |
| ·系统需求 | 第41-43页 |
| ·系统模块简述 | 第43-44页 |
| ·系统开发和应用环境 | 第44-49页 |
| ·体系结构设计 | 第49-50页 |
| ·功能结构设计 | 第50-55页 |
| ·邮件包转发 | 第50-51页 |
| ·邮件过滤 | 第51-52页 |
| ·邮件转发 | 第52页 |
| ·规则和通信 | 第52-53页 |
| ·邮件学习和分类 | 第53页 |
| ·控制台 | 第53-55页 |
| ·系统实现 | 第55-68页 |
| ·核心数据库表设计(部分) | 第55-56页 |
| ·核心函数设计 | 第56-68页 |
| 第七章 系统测试 | 第68-72页 |
| ·引言 | 第68页 |
| ·测试过程及结果分析 | 第68-69页 |
| ·系统特点 | 第69-70页 |
| ·测试结果 | 第70-72页 |
| 第八章 垃圾邮件中有害图像的识别技术的初步探索 | 第72-78页 |
| ·垃圾邮件图像简述 | 第72页 |
| ·垃圾邮件图像识别技术分析 | 第72-75页 |
| ·垃圾邮件解码及JPEG 图像的提取 | 第72-75页 |
| ·垃圾邮件图像特征的定义 | 第75页 |
| ·邮件图像邮件的匹配和识别 | 第75-78页 |
| ·图像的高维识别特征集 | 第76页 |
| ·图像识别分类器的设计 | 第76-78页 |
| 第九章 结束语 | 第78-80页 |
| ·全文总结 | 第78-79页 |
| ·进一步工作 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-82页 |