| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题的研究背景 | 第7-10页 |
| 1.1.1 垃圾邮件的产生及其界定 | 第7页 |
| 1.1.2 垃圾邮件的危害及其现状 | 第7-10页 |
| 1.2 垃圾邮件检测技术的研究现状 | 第10-11页 |
| 1.2.1 基于IP地址的垃圾邮件检测技术 | 第10-11页 |
| 1.2.2 基于内容的垃圾邮件检测技术 | 第11页 |
| 1.3 论文的主要研究工作和内容安排 | 第11-13页 |
| 第二章 基于数据驱动的垃圾邮件检测流程 | 第13-25页 |
| 2.1 引言 | 第13页 |
| 2.2 基于数据驱动的垃圾邮件检测的步骤 | 第13-14页 |
| 2.3 邮件文本内容预处理 | 第14-17页 |
| 2.3.1 分词 | 第15-16页 |
| 2.3.2 去除停用词 | 第16页 |
| 2.3.3 词形还原 | 第16-17页 |
| 2.3.4 文本结构化表示 | 第17页 |
| 2.4 特征降维 | 第17-21页 |
| 2.4.1 KPLS算法 | 第18页 |
| 2.4.2 SPCA算法 | 第18-19页 |
| 2.4.3 Lasso算法 | 第19-21页 |
| 2.5 文本分类 | 第21-23页 |
| 2.5.1 朴素贝叶斯分类方法 | 第21-22页 |
| 2.5.2 K最近邻方法 | 第22页 |
| 2.5.3 支持向量机 (SVM) | 第22-23页 |
| 2.6 性能评价 | 第23-24页 |
| 2.7 本章小节 | 第24-25页 |
| 第三章 基于Boosting Tree垃圾邮件检测方法 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 Boosting Tree算法 | 第25-27页 |
| 3.2.1 Decision Tree算法 | 第25-26页 |
| 3.2.2 Boosting Tree算法 | 第26-27页 |
| 3.3 垃圾邮件检测系统建模 | 第27-29页 |
| 3.3.1 基于Boosting Tree垃圾邮件检测系统建模 | 第27-28页 |
| 3.3.2 垃圾邮件数据 | 第28-29页 |
| 3.4 仿真与分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于随机森林的垃圾邮件检测技术研究 | 第32-37页 |
| 4.1 前言 | 第32页 |
| 4.2 随机森林原理与性质 | 第32-34页 |
| 4.2.1 随机森林的基本原理 | 第32-33页 |
| 4.2.2 收敛性 | 第33页 |
| 4.2.3 OBB估计 | 第33-34页 |
| 4.3 基于随机森林算法的垃圾邮件建模 | 第34页 |
| 4.4 仿真与分析 | 第34-36页 |
| 4.5 本章小节 | 第36-37页 |
| 第五章 基于Elastic Net-Decision Tree两步垃圾邮件检测研究 | 第37-46页 |
| 5.1 前言 | 第37页 |
| 5.2 Elastic Net和Decision Tree算法 | 第37-41页 |
| 5.2.1 Elastic Net算法 | 第37-40页 |
| 5.2.2 Decision Tree基本原理 | 第40-41页 |
| 5.3 基于ED-DT算法垃圾邮件检测系统建模 | 第41-42页 |
| 5.4 仿真结果与分析 | 第42-45页 |
| 5.5 本章小节 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 个人简历 在读期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |
