| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究的背景及意义 | 第11-13页 |
| ·垃圾邮件的介绍 | 第11-12页 |
| ·垃圾邮件的成因及特点 | 第12-13页 |
| ·垃圾邮件的研究现状 | 第13-14页 |
| ·垃圾邮件的概念及分类 | 第14-16页 |
| ·垃圾邮件的概念 | 第14-15页 |
| ·垃圾邮件的内容分类 | 第15-16页 |
| ·论文主要内容及研究工作 | 第16-18页 |
| ·论文主要研究内容 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第2章 电子邮件原理及反垃圾邮件技术 | 第18-27页 |
| ·电子邮件工作的基本原理 | 第18-20页 |
| ·因特网（Internet）TCP/IP 基本结构 | 第18-19页 |
| ·Simple Mail Transfer Protocol 的基本结构 | 第19-20页 |
| ·反垃圾邮件的技术 | 第20-27页 |
| ·去伪存真技术 | 第21-23页 |
| ·滤假留真技术 | 第23-25页 |
| ·监疑控真技术 | 第25-27页 |
| 第3章 垃圾邮件识别原理 | 第27-38页 |
| ·电子邮件特征的获取方法 | 第27-32页 |
| ·文本特征提取方法 | 第27-28页 |
| ·基于图片的邮件特征提取 | 第28-29页 |
| ·基于行为特点的垃圾邮件提取方法 | 第29-32页 |
| ·基于用户行为的技术 | 第32页 |
| ·特征文本词的筛选方法 | 第32-34页 |
| ·信息熵 | 第33页 |
| ·ti频率方差 | 第33-34页 |
| ·文档频率（Document Frequency，DF） | 第34页 |
| ·其他特征词 ti遴选法 | 第34页 |
| ·垃圾邮件过滤中的分类方法 | 第34-38页 |
| ·贝叶斯分类 | 第35页 |
| ·自学习的 KNN 算法 | 第35-36页 |
| ·决策树 | 第36页 |
| ·粗糙集方法 | 第36-37页 |
| ·支持向量机 | 第37-38页 |
| 第4章 基于混合群智能的垃圾邮件过滤方法 | 第38-51页 |
| ·群智能简要介绍 | 第38-41页 |
| ·蚁群和粒子群的介绍 | 第38-39页 |
| ·ACO 算法的概念 | 第39-40页 |
| ·PSO 概述 | 第40-41页 |
| ·混合群智能垃圾邮件过滤方法 | 第41-45页 |
| ·FMP 框架 | 第41-42页 |
| ·种群 | 第42-43页 |
| ·种群调度控制 | 第43-45页 |
| ·FMP 算法 | 第45页 |
| ·IACO 算法 | 第45-47页 |
| ·状态转移规则 | 第45-46页 |
| ·状态更新规则 | 第46页 |
| ·IACO 算法 | 第46-47页 |
| ·HFM 算法 | 第47页 |
| ·对比实验 | 第47-51页 |
| 第5章 结论及展望 | 第51-53页 |
| ·全文工作总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简介及科研成果 | 第57-58页 |
| 致谢 | 第58页 |
