| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·垃圾邮件问题的背景 | 第11-13页 |
| ·对抗性垃圾邮件过滤问题 | 第13-15页 |
| ·好词攻击问题描述 | 第13-14页 |
| ·文字模糊攻击问题的具体描述 | 第14-15页 |
| ·基于反馈的垃圾邮件过滤模型 | 第15-16页 |
| ·国内外研究现状 | 第16-17页 |
| ·本文的研究工作 | 第17-18页 |
| ·邮件的表示 | 第17-18页 |
| ·分类器的设计 | 第18页 |
| ·本文结构 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 邮件特征表示的关键技术 | 第20-35页 |
| ·垃圾邮件过滤的原理 | 第20-21页 |
| ·邮件的特征表示 | 第21-22页 |
| ·常用的特征选择方法 | 第22-24页 |
| ·文档频数 | 第22页 |
| ·信息增益 | 第22-23页 |
| ·卡方统计 | 第23页 |
| ·期望交叉熵 | 第23-24页 |
| ·互信息 | 第24页 |
| ·邮件的预处理 | 第24-27页 |
| ·通过训练集得到词典的过程 | 第24-26页 |
| ·将邮件数据集做成样本集 | 第26-27页 |
| ·垃圾邮件过滤常用的方法 | 第27-31页 |
| ·Bayesian分类器 | 第27-29页 |
| ·SVM分类器 | 第29-31页 |
| ·KNN分类器 | 第31页 |
| ·邮件分类语料库 | 第31-32页 |
| ·性能评价方法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于TF+SIMILARITY的特征表示和实验对比 | 第35-54页 |
| ·解决单词模糊类邮件的方法 | 第35-39页 |
| ·现有的解决该问题的方法 | 第35-39页 |
| ·自适应的Bayesian分类器 | 第35-36页 |
| ·基于字符级别的K-mers | 第36-37页 |
| ·隐马尔可夫模型方法 | 第37-38页 |
| ·基于Edit-Distance纠正单词拼写的方法 | 第38页 |
| ·通过Program的方法实现单词还原 | 第38-39页 |
| ·基于TF+SIMILARITY的特征表示方法 | 第39-46页 |
| ·单词模糊类邮件的预处理 | 第40-43页 |
| ·MIME邮件头部和Text/Plain内容的提取 | 第41页 |
| ·SpamDictioanry的获取 | 第41-42页 |
| ·单词模糊类垃圾邮件的预处理步骤 | 第42-43页 |
| ·Edit-distance算法的介绍 | 第43-44页 |
| ·单词相似度(similarity)的计算 | 第44-45页 |
| ·基于similarity和TF的邮件向量空间的表示 | 第45页 |
| ·数据归一化处理 | 第45-46页 |
| ·实验的设计、结果及分析 | 第46-53页 |
| ·实验数据的模拟 | 第46-47页 |
| ·实验对比 | 第47-53页 |
| ·SVM分类器下的分类结果 | 第47-51页 |
| ·Bayesian分类器下的分类结果 | 第51-52页 |
| ·KNN分类器下的分类结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 在线分类模型下动态POOL多分类器的介绍 | 第54-67页 |
| ·动态POOL多分类器应用的引出 | 第54-55页 |
| ·动态多分类器的描述 | 第55-56页 |
| ·邻域的概念 | 第56-57页 |
| ·动态POOL多分类器模型 | 第57-60页 |
| ·训练阶段 | 第57-58页 |
| ·测试阶段 | 第58-60页 |
| ·训练新的分类其的阶段 | 第60页 |
| ·动态POOL多分类器有效性验证实验 | 第60-62页 |
| ·模型在垃圾邮件过滤有效性验证实验设计及结果 | 第62-66页 |
| ·动态Pool垃圾邮件过滤模型的模拟实验设计 | 第62-64页 |
| ·实验结果展示和分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结论及展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
