| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 图表目录 | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| 1．1、什么是垃圾邮件 | 第8-9页 |
| 1．2、邮件过滤的重要性和紧迫性 | 第9-10页 |
| 1．3、目前国内外垃圾邮件过滤技术的研究现状 | 第10页 |
| 1．4、进行本课题研究的意义 | 第10-12页 |
| 第二章 电子邮件系统 | 第12-19页 |
| 2．1、电子邮件系统的基本组成 | 第12-14页 |
| 2．1．1、邮件用户代理 | 第12页 |
| 2．1．2、邮件传输代理 | 第12-13页 |
| 2．1．3、邮件分发代理 | 第13-14页 |
| 2．1．4、电子邮件系统的基本工作流程 | 第14页 |
| 2．2、电子邮件系统的工作原理 | 第14-19页 |
| 2．2．1、MUA的工作原理 | 第14页 |
| 2．2．2、MTA的工作原理 | 第14-16页 |
| 2．2．3、RFC有关电子邮件的协议 | 第16-19页 |
| 第三章 垃圾邮件过滤的研究现状 | 第19-24页 |
| 3．1、从服务器端和客户端进行邮件过滤 | 第19-20页 |
| 3．2、白名单和黑名单过滤技术 | 第20页 |
| 3．3、基于过滤规则的垃圾邮件过滤技术 | 第20-21页 |
| 3．3．1、信头分析技术 | 第20-21页 |
| 3．3．2、群发过滤技术 | 第21页 |
| 3．3．3、关键词精确匹配过滤技术 | 第21页 |
| 3．3．4、根据邮件内容中的其他特征进行过滤的技术 | 第21页 |
| 3．4、基于邮件内容的垃圾邮件过滤技术 | 第21-24页 |
| 3．4．1、垃圾邮件过滤中的文本分类方法 | 第22-23页 |
| 3．4．2、垃圾邮件过滤中的信息过滤方法 | 第23-24页 |
| 第四章 基于邮件内容的垃圾邮件过滤技术 | 第24-34页 |
| 4．1、文本分类技术 | 第24-25页 |
| 4．2、如何进行特征选取 | 第25-28页 |
| 4．2．1、互信息法 | 第26页 |
| 4．2．2、x~2统计量法 | 第26页 |
| 4．2．3、相对熵法 | 第26-27页 |
| 4．2．4、信息增益法 | 第27页 |
| 4．2．5、优势率法 | 第27页 |
| 4．2．6、文档频次法 | 第27-28页 |
| 4．3、基于内容的垃圾邮件过滤中常用的几种文本分类方法 | 第28-30页 |
| 4．3．1、粗糙集理论 | 第28-29页 |
| 4．3．2、贝叶斯分类算法 | 第29页 |
| 4．3．3、支持向量机 | 第29-30页 |
| 4．4、垃圾邮件过滤中常用的语料库 | 第30-32页 |
| 4．4．1、PU系列语料库 | 第30-31页 |
| 4．4．2、Ling-Spam语料库 | 第31页 |
| 4．4．3、其它垃圾邮件语料库 | 第31-32页 |
| 4．5、垃圾邮件过滤系统评价体系 | 第32-34页 |
| 第五章 支持向量机邮件过滤方法 | 第34-40页 |
| 5、1支持向量机方法 | 第34-36页 |
| 5．2、使用支持向量机方法实现主动学习 | 第36-40页 |
| 5．2．1、构造基于SVM的主动学习分类器 | 第37-39页 |
| 5．2．2、主被动学习方法分类效果比较 | 第39-40页 |
| 第六章 基于支持向量机的垃圾邮件过滤系统的实现 | 第40-44页 |
| 6．1、垃圾邮件过滤系统采用的软硬件环境 | 第40页 |
| 6．1．1、硬件环境 | 第40页 |
| 6．1．2、软件环境 | 第40页 |
| 6．2、垃圾邮件过滤系统的总体结构 | 第40-41页 |
| 6．3、系统各个主要模块功能 | 第41-42页 |
| 6．4、系统实验结果分析 | 第42-44页 |
| 第七章 总结 | 第44-46页 |
| 7．1、研究工作 | 第44-45页 |
| 7．2、今后的工作 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-49页 |