| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 主要符号说明 | 第8-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·垃圾邮件的定义 | 第9页 |
| ·垃圾邮件的危害 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·基于黑名单和白名单的过滤方法 | 第10-11页 |
| ·基于规则的过滤方法 | 第11页 |
| ·基于统计的过滤技术 | 第11-12页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文的章节安排 | 第12-14页 |
| 第二章 邮件信息结构以及文本分类技术 | 第14-22页 |
| ·电子邮件的结构 | 第14-17页 |
| ·邮件的基本结构 | 第14-16页 |
| ·电子邮件的工作原理 | 第16-17页 |
| ·文本分类技术 | 第17-21页 |
| ·中文文本预处理技术 | 第17-18页 |
| ·文本特征词条选择 | 第18-20页 |
| ·文本表示 | 第20-21页 |
| ·评价标准 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于 LASSO 的特征稀疏方法 | 第22-33页 |
| ·LASSO 理论基础 | 第22页 |
| ·LARS 解 LASSO问题 | 第22-26页 |
| ·LARS 算法 | 第22-25页 |
| ·改进 LARS 算法解 Lasso 问题 | 第25-26页 |
| ·实验结果 | 第26-32页 |
| ·实验数据 | 第26页 |
| ·实验步骤 | 第26-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于 Q-高斯核 SVM 的中文垃圾邮件过滤 | 第33-44页 |
| ·SVM 理论基础 | 第33-35页 |
| ·线性支持向量机 | 第33-35页 |
| ·非线性支持向量机 | 第35页 |
| ·基于 Q-高斯核的 SVM 算法 | 第35-37页 |
| ·Q-高斯函数 | 第35-36页 |
| ·Q-高斯核函数 | 第36-37页 |
| ·实验结果 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于代价敏感 SVM 的中文垃圾邮件过滤 | 第44-51页 |
| ·代价敏感支持向量机 2C-SVM | 第44-45页 |
| ·代价敏感支持向量机 2V-SVM | 第45-46页 |
| ·实验结果 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结和展望 | 第51-53页 |
| ·主要工作回顾 | 第51-52页 |
| ·本课题今后需进一步研究的地方 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 个人简历 在读期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |