关于垃圾邮件过滤中特征选择算法的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 垃圾邮件的定义 | 第11页 |
| 1.1.2 垃圾邮件的危害 | 第11-12页 |
| 1.1.3 反垃圾邮件的发展历史 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 反垃圾邮件技术 | 第13-14页 |
| 1.2.2 基于内容的垃圾邮件过滤 | 第14-15页 |
| 1.3 本文研究内容及组织结构 | 第15-18页 |
| 1.3.1 本文研究内容 | 第15-16页 |
| 1.3.2 本文组织结构 | 第16-18页 |
| 第2章 垃圾邮件过滤技术 | 第18-30页 |
| 2.1 概述 | 第18-19页 |
| 2.1.1 文本分类的定义 | 第18-19页 |
| 2.1.2 垃圾邮件过滤与文本分类的关系 | 第19页 |
| 2.2 垃圾邮件分类的处理流程 | 第19-20页 |
| 2.3 文本预处理 | 第20-21页 |
| 2.3.1 去停用词 | 第20页 |
| 2.3.2 取词根 | 第20-21页 |
| 2.4 文档表示 | 第21-22页 |
| 2.4.1 特征识别 | 第21页 |
| 2.4.2 文档表示 | 第21-22页 |
| 2.5 特征降维 | 第22-23页 |
| 2.5.1 特征选择 | 第22-23页 |
| 2.5.2 特征提取 | 第23页 |
| 2.6 文本分类算法 | 第23-26页 |
| 2.6.1 朴素贝叶斯算法 | 第23-25页 |
| 2.6.2 KNN算法 | 第25页 |
| 2.6.3 支持向量机 | 第25-26页 |
| 2.7 分类性能评估 | 第26-29页 |
| 2.8 总结 | 第29-30页 |
| 第3章 一种基于信息增益的新特征选择算法 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 相关的特征选择算法 | 第30-32页 |
| 3.2.1 信息增益 | 第30-31页 |
| 3.2.2 互信息 | 第31页 |
| 3.2.3 卡方统计 | 第31-32页 |
| 3.2.4 类内与类间度量的特征选择算法 | 第32页 |
| 3.3 信息增益算法的不足 | 第32-33页 |
| 3.4 信息增益算法的改进 | 第33页 |
| 3.5 实验设计 | 第33-34页 |
| 3.6 实验结果及分析 | 第34-40页 |
| 3.7 结论 | 第40-42页 |
| 第4章 一种基于互信息的新特征选择算法 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 互信息算法的不足 | 第42-43页 |
| 4.3 互信息算法的改进 | 第43-44页 |
| 4.4 实验设计 | 第44页 |
| 4.5 实验结果及分析 | 第44-49页 |
| 4.6 结论 | 第49-50页 |
| 第5章 总结和展望 | 第50-53页 |
| 5.1 总结 | 第50-51页 |
| 5.1.1 一种基于信息增益的新特征选择算法 | 第50页 |
| 5.1.2 一种基于互信息的新特征选择算法 | 第50-51页 |
| 5.2 展望 | 第51-53页 |
| 5.2.1 提高算法稳定性 | 第51页 |
| 5.2.2 图片垃圾邮件的研究 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
