| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-13页 |
| ·垃圾邮件过滤的现状及其分析 | 第13-15页 |
| ·本文研究内容 | 第15-16页 |
| ·技术路线及研究方法 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 2 基于内容解析的垃圾邮件过滤模型 | 第18-32页 |
| ·电子邮件 | 第18-21页 |
| ·电子邮件的工作原理 | 第18-19页 |
| ·电子邮件的相关协议 | 第19-20页 |
| ·电子邮件的结构 | 第20-21页 |
| ·基于内容解析的垃圾邮件过滤模型 | 第21-22页 |
| ·基于内容解析的垃圾邮件过滤关键技术 | 第22-31页 |
| ·文本自动分词 | 第22-24页 |
| ·文本特征选择 | 第24-27页 |
| ·文本分类算法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于粗糙集和信息增益的特征选择方法研究 | 第32-41页 |
| ·信息增益(Information Gain,IG) | 第32-33页 |
| ·粗糙集、关系积 | 第33-34页 |
| ·基于粗糙集和信息增益的特征选择方法 | 第34-38页 |
| ·信息增益算法用于特征初选 | 第35页 |
| ·建立二维决策表 | 第35-36页 |
| ·利用关系积和粗糙集理论求解属性约简 | 第36-37页 |
| ·算法实例 | 第37-38页 |
| ·实验验证 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 两级贝叶斯网络分类方法研究 | 第41-47页 |
| ·贝叶斯算法理论基础 | 第41-42页 |
| ·贝叶斯网络分类模型 | 第42-44页 |
| ·贝叶斯网络 | 第42-43页 |
| ·朴素贝叶斯网络 | 第43-44页 |
| ·两级贝叶斯网络分类模型 | 第44-46页 |
| ·两级贝叶斯网络分类模型 | 第44-46页 |
| ·复杂度分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 5 基于两级贝叶斯网络方法的垃圾邮件过滤 | 第47-56页 |
| ·垃圾邮件过滤中的训练和分类过程 | 第47-49页 |
| ·两级贝叶斯网络方法的邮件过滤 | 第49-50页 |
| ·基于最小决策风险的两级贝叶斯网络方法的邮件过滤 | 第50-52页 |
| ·实验及性能分析 | 第52-55页 |
| ·评价指标 | 第52页 |
| ·实验结果及性能分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 6 垃圾邮件过滤原型系统的设计与实现 | 第56-62页 |
| ·原型系统的设计 | 第56-57页 |
| ·原型系统的实现 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 作者简介及读研期间主要科研成果 | 第69页 |