基于风险最小化的垃圾邮件过滤方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·垃圾邮件的现状 | 第10页 |
| ·垃圾邮件的概念 | 第10-11页 |
| ·垃圾邮件的危害 | 第11页 |
| ·对付垃圾邮件的对策和意义 | 第11-12页 |
| ·主要过滤技术 | 第12-16页 |
| ·基于IP层 | 第12-13页 |
| ·基于SMTP协议 | 第13页 |
| ·基于内容 | 第13-16页 |
| ·本文研究的内容 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 贝叶斯和SVM的理论基础 | 第18-33页 |
| ·电子邮件的基本原理 | 第18-19页 |
| ·贝叶斯的基本原理 | 第19-23页 |
| ·贝叶斯相关数学公式 | 第19-20页 |
| ·贝叶斯定理 | 第20页 |
| ·朴素贝叶斯方类器 | 第20-21页 |
| ·两种事件模型 | 第21-23页 |
| ·支持向量机理论 | 第23-28页 |
| ·机器学习的基本思想 | 第23-24页 |
| ·统计学习理论 | 第24-26页 |
| ·支持向量机基本思想 | 第26-27页 |
| ·最优分类平面 | 第27页 |
| ·内积核函数 | 第27-28页 |
| ·贝叶斯和SVM分类的一般流程 | 第28-30页 |
| ·贝叶斯分类流程 | 第28-29页 |
| ·SVM分类流程 | 第29-30页 |
| ·朴素贝叶斯和SVM算法的优缺点 | 第30-32页 |
| ·朴素贝叶斯方法的优缺点 | 第30-31页 |
| ·SVM算法的优缺点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于风险最小化邮件过滤模型的设计 | 第33-41页 |
| ·邮件过滤模型 | 第33-34页 |
| ·分类决策风险最小化的贝叶斯过滤模型 | 第34-37页 |
| ·过滤规则 | 第35-36页 |
| ·基于分类决策风险最小的贝叶斯算法 | 第36-37页 |
| ·结构风险最小化的SVM分类模型 | 第37-40页 |
| ·代价规则 | 第38-39页 |
| ·基于结构风险最小化的SVM算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于风险最小化邮件过滤模型的实现 | 第41-55页 |
| ·文本表示 | 第41-42页 |
| ·特征选择 | 第42-45页 |
| ·贝叶斯基于类条件分布的特征选择 | 第43-44页 |
| ·SVM改进的互信息特征选择方法 | 第44-45页 |
| ·邮件头和正文特征的加权集成 | 第45-47页 |
| ·基于风险最小化过滤算法实现 | 第47-53页 |
| ·贝叶斯过滤的算法实现 | 第47-51页 |
| ·SVM过滤的算法实现 | 第51-53页 |
| ·阈值动态调整 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 实验测试及结果分析 | 第55-62页 |
| ·实验的评价方式 | 第55-58页 |
| ·实验环境 | 第55页 |
| ·邮件过滤语料库 | 第55页 |
| ·基准过滤系统 | 第55-56页 |
| ·评价体系 | 第56-58页 |
| ·实验结果及性能分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 展望与总结 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
