| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 引言 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| ·论文主要创新 | 第13-14页 |
| ·论文章节安排 | 第14-16页 |
| 第二章 图像型垃圾邮件检测技术概述 | 第16-31页 |
| ·图像型垃圾邮件起源和现状 | 第16-18页 |
| ·图像型垃圾邮件的检测难点 | 第18-20页 |
| ·图像型垃圾邮件检测算法分析 | 第20-27页 |
| ·图像型垃圾邮件特征概述 | 第20-24页 |
| ·图像型垃圾邮件分类算法概述 | 第24-27页 |
| ·检测算法的性能指标 | 第27-29页 |
| ·小结 | 第29-31页 |
| 第三章 改进的 ReliefF 特征选择算法 | 第31-46页 |
| ·特征选择算法概述 | 第31-34页 |
| ·经典的 ReliefF 特征选择算法 | 第34-36页 |
| ·ReliefF 算法概述 | 第34-35页 |
| ·ReliefF 算法步骤 | 第35-36页 |
| ·特征数据的离散化 | 第36-39页 |
| ·离散算法概述 | 第36-38页 |
| ·无监督的离散算法 | 第37-38页 |
| ·有监督的离散算法 | 第38页 |
| ·有监督的 EBD 离散算法 | 第38-39页 |
| ·R-ReliefF 算法设计 | 第39-45页 |
| ·特征冗余度评价算法分析 | 第40-42页 |
| ·R-ReliefF 算法原理及步骤 | 第42-44页 |
| ·算法对比实验 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第四章 多帧图像型垃圾邮件的过滤算法研究 | 第46-60页 |
| ·引言 | 第46-48页 |
| ·多帧图像型垃圾邮件的特征分析 | 第48-52页 |
| ·颜色特征 | 第49-51页 |
| ·文本特征 | 第51-52页 |
| ·文件属性特征 | 第52页 |
| ·多帧图像型垃圾邮件特征提取 | 第52-56页 |
| ·颜色特征的提取 | 第53-54页 |
| ·文本特征的提取 | 第54-55页 |
| ·文本属性特征及其他特征的提取 | 第55-56页 |
| ·多帧图像型垃圾邮件过滤算法 | 第56-59页 |
| ·算法的图像特征学习 | 第56-58页 |
| ·算法的图像检测 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 基于 R-ReliefF 算法的多层次图像型垃圾邮件过滤系统 | 第60-72页 |
| ·图像型垃圾邮件过滤系统概述 | 第60-64页 |
| ·多层次单帧垃圾邮件图像过滤模型 | 第64-67页 |
| ·基于文件属性特征图像型垃圾邮件识别模块 | 第64-65页 |
| ·基于颜色特征的图像型垃圾邮件识别模块 | 第65-67页 |
| ·基于文本特征的图像型垃圾邮件识别模块 | 第67页 |
| ·多帧图像型垃圾邮件过滤模块 | 第67页 |
| ·传统图像型垃圾邮件过滤模块 | 第67-68页 |
| ·基于 R-ReliefF 算法的特征训练模块 | 第68页 |
| ·基于 R-ReliefF 算法的多层次图像型垃圾邮件过滤系统 | 第68-71页 |
| ·系统过滤模块 | 第68-69页 |
| ·系统训练模块 | 第69-70页 |
| ·系统学习模块 | 第70页 |
| ·系统组成架构 | 第70-71页 |
| ·小结 | 第71-72页 |
| 第六章 系统评估与实验结果分析 | 第72-83页 |
| ·图像型垃圾邮件数据集 | 第72-73页 |
| ·系统实验环境的搭建 | 第73-75页 |
| ·多层次图像型垃圾邮件过滤系统性能测试 | 第75-81页 |
| ·基于 R-ReliefF 算法的特征训练模块实验结果 | 第75-77页 |
| ·多帧图像型垃圾邮件过滤模块实验结果 | 第77-78页 |
| ·多层次单帧图像型垃圾邮件实验结果 | 第78-81页 |
| ·实验结果分析 | 第81-82页 |
| ·小结 | 第82-83页 |
| 第七章 总结与展望 | 第83-85页 |
| ·工作总结 | 第83页 |
| ·未来的研究工作 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 攻硕期间取得的研究成果 | 第92-93页 |
