| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·垃圾短信的当前的状况及危害 | 第9-11页 |
| ·垃圾短信的种类 | 第9-10页 |
| ·垃圾短信的危害 | 第10页 |
| ·我国垃圾短信的当前情况 | 第10-11页 |
| ·本论文的主要研究内容及论文的组织 | 第11-13页 |
| ·本论文的主要研究内容 | 第11-12页 |
| ·论文组织 | 第12-13页 |
| 第二章 文本挖掘概述 | 第13-27页 |
| ·文本挖掘的基本概念 | 第13-14页 |
| ·文本分类的定义 | 第14页 |
| ·文本分类的一般流程 | 第14-15页 |
| ·文本预处理 | 第15-17页 |
| ·文本分词 | 第15-16页 |
| ·停用词过滤 | 第16-17页 |
| ·特征选择 | 第17-18页 |
| ·文本描述 | 第18-20页 |
| ·布尔模型 | 第18页 |
| ·空间向量模型 | 第18-19页 |
| ·概率模型 | 第19-20页 |
| ·概念模型 | 第20页 |
| ·分类方法 | 第20-26页 |
| ·支持向量机 | 第20-21页 |
| ·朴素贝叶斯算法 | 第21-22页 |
| ·基于神经网络的算法 | 第22-24页 |
| ·KNN算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 短信文本分类技术的研究 | 第27-35页 |
| ·短信介绍 | 第27-28页 |
| ·短信过滤流程 | 第28-29页 |
| ·短信预处理 | 第29-32页 |
| ·短信语义模型 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于特征选择的权值计算研究 | 第35-46页 |
| ·特征选择 | 第35-38页 |
| ·文档频率 | 第35-36页 |
| ·互信息 | 第36页 |
| ·信息增益 | 第36-37页 |
| ·期望交叉熵 | 第37页 |
| ·词条CHI统计法 | 第37-38页 |
| ·χ~2统计 | 第38页 |
| ·特征选取方法的比较 | 第38-40页 |
| ·性能指标 | 第38-39页 |
| ·实验结果与分析 | 第39-40页 |
| ·词语权重公式的改进 | 第40-45页 |
| ·传统tfidf公式 | 第40页 |
| ·特征加权 | 第40-45页 |
| ·结束语 | 第45-46页 |
| 第五章 基于粗糙集的KNN短信分类 | 第46-61页 |
| ·粗糙集提出的背景及发展前景 | 第46页 |
| ·知识与知识库 | 第46-47页 |
| ·粗糙集的定义及其性质 | 第47-48页 |
| ·信息表知识表达系统与决策表 | 第48-49页 |
| ·连续属性的离散化 | 第49-50页 |
| ·离散化问题描述 | 第49页 |
| ·离散化方法 | 第49-50页 |
| ·信息约简 | 第50-57页 |
| ·信息约简的基本概念 | 第50-51页 |
| ·基于差别矩阵的属性约简方法 | 第51-53页 |
| ·二进制约简基本概念 | 第53-54页 |
| ·决策规则约简算法 | 第54-56页 |
| ·实例计算 | 第56-57页 |
| ·粗糙集与KNN的结合 | 第57-60页 |
| ·结束语 | 第60-61页 |
| 第六章 基于粗糙集的KNN短信文本分类系统的设计与实现 | 第61-67页 |
| ·系统功能模块 | 第61-63页 |
| ·系统详细设计 | 第63-65页 |
| ·文本预处理模块 | 第63页 |
| ·特征向量集提取模块 | 第63-64页 |
| ·粗糙集约简模块 | 第64-65页 |
| ·分类系统模块 | 第65页 |
| ·实验评估 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| ·论文工作总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间的研究成果 | 第73页 |