| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景 | 第12-13页 |
| ·目前主要的反垃圾邮件技术 | 第13-17页 |
| ·本文的研究内容 | 第17-18页 |
| ·本文的组织结构 | 第18-20页 |
| 第二章 数据挖掘技术 | 第20-32页 |
| ·数据挖掘技术产生的背景 | 第20页 |
| ·数据挖掘技术的发展历程 | 第20-21页 |
| ·数据挖掘技术的定义和数据挖掘过程 | 第21页 |
| ·数据挖掘功能 | 第21-23页 |
| ·数据挖掘方法和技术 | 第23-24页 |
| ·数据挖掘中的分类 | 第24-31页 |
| ·分类的过程 | 第24-25页 |
| ·分类的基本技术 | 第25-26页 |
| ·贝叶斯分类器 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 中文垃圾邮件过滤系统中的关键技术 | 第32-43页 |
| ·中文词法分析 | 第32-33页 |
| ·中文分词方法 | 第33-38页 |
| ·基于字符串匹配的分词方法 | 第33-34页 |
| ·基于理解的分词方法 | 第34页 |
| ·基于统计的分词方法 | 第34-35页 |
| ·基本算法举例 | 第35页 |
| ·常见分词算法比较 | 第35-36页 |
| ·N-最短路径方法 | 第36-38页 |
| ·特征项表示与提取 | 第38-42页 |
| ·特征表示的向量空间模型(VSM) | 第38-39页 |
| ·预处理 | 第39-40页 |
| ·特征提取 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于遗传算法和朴素贝叶斯分类的邮件过滤系统研究 | 第43-61页 |
| ·基于NBC的反垃圾邮件模型的设计 | 第44页 |
| ·基于NBC的反垃圾邮件模型的实现 | 第44-48页 |
| ·对邮件进行训练 | 第44-46页 |
| ·对邮件进行检测 | 第46-47页 |
| ·NBC实验结果及评估 | 第47-48页 |
| ·利用遗传算法优化基于NBC的反垃圾邮件模型 | 第48-56页 |
| ·遗传算法(Genetic Algorithm，GA)基本原理 | 第48-50页 |
| ·遗传算法的特点 | 第50-51页 |
| ·基本遗传算法的构成要素 | 第51-53页 |
| ·基本遗传算法步骤 | 第53页 |
| ·GBFT算法设计与实现 | 第53-56页 |
| ·阈值问题的研究 | 第56-60页 |
| ·问题的提出 | 第56页 |
| ·算法设计 | 第56-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·有待改进的问题 | 第62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |