| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9-10页 |
| ·PNN国内外研究现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第2章 概率神经网络 | 第14-21页 |
| ·引言 | 第14页 |
| ·PNN理论基础 | 第14-17页 |
| ·贝叶斯决策分类 | 第14-15页 |
| ·Parzen窗方法 | 第15-17页 |
| ·PNN网络模型 | 第17-20页 |
| ·PNN拓扑结构 | 第17-19页 |
| ·PNN网络的学习算法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 PNN结构优化研究 | 第21-41页 |
| ·引言 | 第21-22页 |
| ·PNN样本降维技术 | 第22-23页 |
| ·PCA理论分析 | 第22-23页 |
| ·利用PCA方法降维的步骤 | 第23页 |
| ·PNN隐中心矢量的选择 | 第23-27页 |
| ·Kmeans算法 | 第23-24页 |
| ·EM算法 | 第24-26页 |
| ·LVQ算法 | 第26-27页 |
| ·基于有监督信号的竞争学习算法 | 第27-32页 |
| ·混叠类别的PNN决策边界分析 | 第27-28页 |
| ·PNN的有监督竞争学习 | 第28-29页 |
| ·软决策边界的收敛条件 | 第29-31页 |
| ·平滑因子的确定 | 第31-32页 |
| ·实验 | 第32-39页 |
| ·实验说明 | 第32-33页 |
| ·原始PNN和结构优化PNN对比实验 | 第33-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于PNN的垃圾邮件过滤系统 | 第41-79页 |
| ·邮件预处理 | 第41-43页 |
| ·邮件语料库的选取 | 第41页 |
| ·邮件结构分析 | 第41-43页 |
| ·中文邮件分词 | 第43页 |
| ·特征抽取 | 第43-50页 |
| ·邮件向量空间模型 | 第43-44页 |
| ·常用特征算法 | 第44-47页 |
| ·改进后的TFIDF算法 | 第47-50页 |
| ·PNN邮件分类器 | 第50页 |
| ·实验结果及分析 | 第50-78页 |
| ·垃圾邮件评价体系 | 第50-51页 |
| ·实验说明 | 第51-52页 |
| ·原始的PNN邮件分类 | 第52-53页 |
| ·Kmeans-PNN和Kmeans-COMPETE-PNN邮件分类 | 第53-58页 |
| ·EM-PNN和EM-COMPETE-PNN邮件分类 | 第58-63页 |
| ·LVQ-PNN和LVQ-COMPETE-PNN邮件分类 | 第63-67页 |
| ·PCA对PNN邮件分类的影响 | 第67-69页 |
| ·原始PNN与结构优化PNN结果比较 | 第69-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录 1 小规模数据集的 PNN 邮件分类结果 | 第85-89页 |
| 附录 2 大规模数据集的 PNN 邮件分类结果 | 第89-94页 |
| 致谢 | 第94页 |
