基于链路层数据的中文信息智能过滤系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 引言 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·问题提出 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| 2 总体设计 | 第14-17页 |
| ·设计思路 | 第14-15页 |
| ·系统结构 | 第15-17页 |
| 3 基于网络协议的链路层数据分析处理 | 第17-37页 |
| ·TCP/IP 协议简介 | 第17-19页 |
| ·以太网数据包的封装 | 第17-18页 |
| ·TCP 连接的建立 | 第18页 |
| ·TCP 数据的传输 | 第18-19页 |
| ·TCP 连接的断开 | 第19页 |
| ·报文还原技术 | 第19-25页 |
| ·IP 分组和重装 | 第19-21页 |
| ·TCP 会话的还原 | 第21-25页 |
| ·应用层协议分析 | 第25-32页 |
| ·SMTP 协议分析 | 第26-28页 |
| ·POP3 协议分析 | 第28-30页 |
| ·HTTP 协议分析 | 第30-32页 |
| ·邮件分析与实现 | 第32-36页 |
| ·编码分析 | 第33-34页 |
| ·邮件的过滤 | 第34-36页 |
| ·小结 | 第36-37页 |
| 4 中文分词处理 | 第37-49页 |
| ·常用的分词方法 | 第37-39页 |
| ·机械分词方法 | 第37-39页 |
| ·基于理解的分词方法 | 第39页 |
| ·基于统计的分词方法 | 第39页 |
| ·中文分词难点 | 第39-41页 |
| ·分词算法的改进 | 第41-43页 |
| ·算法描述 | 第41-43页 |
| ·Ф~2 统计量方法 | 第43-45页 |
| ·Ф~2 统计量 | 第43-44页 |
| ·阕值选取和实现 | 第44-45页 |
| ·中文分词实现 | 第45-48页 |
| ·词库组织 | 第45-47页 |
| ·切分结果的保存 | 第47-48页 |
| ·小结 | 第48-49页 |
| 5 特征向量的构造及优化 | 第49-58页 |
| ·遗传算法概述 | 第49-50页 |
| ·向量空间模型 | 第50-52页 |
| ·基于用户反馈的遗传算法对特征向量的优化 | 第52-57页 |
| ·问题模型 | 第52-53页 |
| ·遗传算法的变异策略 | 第53页 |
| ·遗传算法的杂交策略 | 第53-54页 |
| ·算法描述 | 第54-55页 |
| ·算法分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 6 基于贝叶斯学习的信息分类 | 第58-66页 |
| ·贝叶斯方法概述 | 第58-59页 |
| ·基于贝叶斯方法的信息分类技术 | 第59-61页 |
| ·基于 Naive 贝叶斯的信息分类 | 第61-64页 |
| ·Naive 贝叶斯方法 | 第61-62页 |
| ·m-估计法在概率估计中的应用 | 第62-63页 |
| ·Naive 贝叶斯学习与信息分类 | 第63-64页 |
| ·NAIVE 贝叶斯信息分类算法 | 第64-65页 |
| ·小结 | 第65-66页 |
| 7 实验设计与结果分析 | 第66-70页 |
| ·实验一中文分词实验 | 第66-67页 |
| ·实验二遗传寻优实验 | 第67页 |
| ·实验三贝叶斯学习实验 | 第67-68页 |
| ·实验四系统测试 | 第68-69页 |
| ·结论 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
