| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 邮件过滤技术国内外研究现状 | 第12-14页 |
| 1.2.1 基于黑白名单的过滤技术 | 第12页 |
| 1.2.2 基于规则的过滤技术 | 第12-13页 |
| 1.2.3 基于统计的智能学习过滤技术 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 邮件过滤相关技术研究 | 第16-26页 |
| 2.1 电子邮件的工作原理 | 第16-18页 |
| 2.2 邮件预处理 | 第18-20页 |
| 2.2.1 中文分词 | 第18-19页 |
| 2.2.2 邮件文本的表示方法 | 第19-20页 |
| 2.2.3 特征项提取 | 第20页 |
| 2.3 中文文本分类方法 | 第20-23页 |
| 2.3.1 朴素贝叶斯算法 | 第21-22页 |
| 2.3.2 支持向量机SVM | 第22-23页 |
| 2.4 垃圾邮件过滤评价指标 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 改进Naive Bayes算法模型的研究 | 第26-42页 |
| 3.1 TSVM-NB算法的提出 | 第26-27页 |
| 3.2 Naive Bayes初次训练样本集 | 第27-30页 |
| 3.2.1 朴素贝叶斯最大概率 | 第27-28页 |
| 3.2.2 获取初始训练集 | 第28-30页 |
| 3.3 支持向量机获取分类超平面 | 第30-32页 |
| 3.3.1 线性可分空间 | 第30-31页 |
| 3.3.2 线性不可分空间 | 第31-32页 |
| 3.4 TSVM-NB修剪策略 | 第32-35页 |
| 3.5 TSVM-NB邮件过滤模型 | 第35-41页 |
| 3.5.1 TSVM-NB模型结构 | 第35页 |
| 3.5.2 ANSJ中文文本分词 | 第35-36页 |
| 3.5.3 IG特征向量选择及权重计算 | 第36-37页 |
| 3.5.4 TSVM-NB分类 | 第37-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于TSVM-NB模型的垃圾邮件过滤系统设计 | 第42-51页 |
| 4.1 总体设计 | 第42-44页 |
| 4.2 垃圾邮件过滤网关 | 第44-46页 |
| 4.3 数据探针审计 | 第46-47页 |
| 4.4 数据收集 | 第47-49页 |
| 4.5 垃圾邮件监控及业务管理 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 系统实现及实验结果分析 | 第51-62页 |
| 5.1 实验环境及系统实现 | 第51-55页 |
| 5.1.1 系统软硬件实验环境 | 第51-52页 |
| 5.1.2 垃圾邮件过滤系统模块测试 | 第52-55页 |
| 5.2 实验结果分析 | 第55-61页 |
| 5.2.1 实验样本数据收集 | 第56页 |
| 5.2.2 评价标准及实验方法 | 第56-57页 |
| 5.2.3 实验对比分析 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |