| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-16页 |
| 1.1. 课题研究及意义 | 第12-13页 |
| 1.2. 国内外发展现状 | 第13-14页 |
| 1.3. 本文研究内容 | 第14-15页 |
| 1.4. 本文的章节安排 | 第15-16页 |
| 第2章 短信分类的需求及分类方法的分析 | 第16-20页 |
| 2.1. 短信业务的发展 | 第16-17页 |
| 2.2. 短信分类需求研究 | 第17页 |
| 2.3. 短信的语言特点 | 第17-18页 |
| 2.4. 短信自动分类方法的选择 | 第18-19页 |
| 2.5. 本章小结 | 第19-20页 |
| 第3章 短信文本的特征表示及提取 | 第20-26页 |
| 3.1. 短信的分词处理 | 第20-21页 |
| 3.2. 短信的向量表示 | 第21-22页 |
| 3.3. 短信特征提取的意义 | 第22页 |
| 3.4. 短信特征提取的方法 | 第22-25页 |
| 3.4.1. 文档频率特征提取方法 | 第22-23页 |
| 3.4.2. 卡方统计特征提取方法 | 第23-24页 |
| 3.4.3. 关联强度特征提取方法 | 第24-25页 |
| 3.5. 本章小结 | 第25-26页 |
| 第4章 短信自动分类算法的设计 | 第26-35页 |
| 4.1. 常用的文本分类方法的总结 | 第26-28页 |
| 4.1.1. 朴素贝叶斯分类算法 | 第26-27页 |
| 4.1.2. KNN算法 | 第27-28页 |
| 4.1.3. SVM算法 | 第28页 |
| 4.1.4. 神经网络算法 | 第28页 |
| 4.2. 全监督学习的关联矩阵分类算法设计 | 第28-30页 |
| 4.2.1. 关联矩阵的计算 | 第28-29页 |
| 4.2.2. 短信分类 | 第29-30页 |
| 4.3. 半监督学习的关联矩阵分类算法设计 | 第30-31页 |
| 4.4. 结合主动学习的关联矩阵分类算法设计 | 第31-32页 |
| 4.5. 多条件关联矩阵分类算法设计 | 第32-34页 |
| 4.5.1. 时间因素的分析 | 第33页 |
| 4.5.2. 基于多条件关联矩阵分类算法的设计 | 第33-34页 |
| 4.6. 本章小结 | 第34-35页 |
| 第5章 算法的实现和实验分析 | 第35-58页 |
| 5.1. 分类算法的实现 | 第35-39页 |
| 5.1.1. 全监督学习的关联矩阵分类算法的实现 | 第35-36页 |
| 5.1.2. 半监督学习的关联矩阵分类算法的实现 | 第36-37页 |
| 5.1.3. 结合主动学习的关联矩阵分类算法的实现 | 第37-38页 |
| 5.1.4. 多条件关联矩阵分类算法的实现 | 第38-39页 |
| 5.2. 实验及分析 | 第39-57页 |
| 5.2.1. 评估指标 | 第39-40页 |
| 5.2.2. 实验 1 | 第40-51页 |
| 5.2.3. 实验 2 | 第51-56页 |
| 5.2.4. 实验结果分析 | 第56-57页 |
| 5.3. 本章小结 | 第57-58页 |
| 第6章 应用程序开发及实现 | 第58-67页 |
| 6.1. 短信分类系统流程及分析 | 第58-60页 |
| 6.2. Android开发环境搭建 | 第60-61页 |
| 6.3. 数据库设计及实现 | 第61-63页 |
| 6.3.1. 白名单表设计及实现 | 第61-62页 |
| 6.3.2. 黑名单表设计及实现 | 第62页 |
| 6.3.3. 节假日表设计及实现 | 第62-63页 |
| 6.4. 界面设计及实现 | 第63-65页 |
| 6.4.1. 主界面设计及实现 | 第64页 |
| 6.4.2. 分类界面和黑白名单界面设计及实现 | 第64-65页 |
| 6.4.3. 会话界面和文件夹界面设计及实现 | 第65页 |
| 6.5. 分类效果展示 | 第65-66页 |
| 6.6. 本章小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-69页 |
| 7.1. 总结 | 第67页 |
| 7.2. 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间的研究成果目录 | 第73-74页 |
| 致谢 | 第74页 |