| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 文本过滤技术 | 第11-13页 |
| 1.2.2 图像识别技术 | 第13-15页 |
| 1.2.3 多示例学习 | 第15页 |
| 1.3 待深入研究的问题 | 第15-16页 |
| 1.4 论文的主要研究内容 | 第16-17页 |
| 第二章 基于多模态多示例融合的毒品网页过滤系统的理论基础 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 多示例算法简介 | 第17页 |
| 2.3 多示例算法概念 | 第17-20页 |
| 2.3.1 多示例问题 | 第18-19页 |
| 2.3.2 多示例学习的模型 | 第19页 |
| 2.3.3 多示例学习与传统监督学习算法的区别 | 第19-20页 |
| 2.4 多示例学习与毒品网页过滤的关系 | 第20页 |
| 2.5 多示例学习算法简介 | 第20-24页 |
| 2.5.1 轴平行算法 | 第21页 |
| 2.5.2 K-近邻算法 | 第21-22页 |
| 2.5.3 多样性密度（DD）算法 | 第22-23页 |
| 2.5.4 MILES算法 | 第23-24页 |
| 2.5.5 MILES的改进 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于多模态融合的毒品网页过滤在线学习算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 离线学习过程 | 第25-27页 |
| 3.3 在线学习过程 | 第27-28页 |
| 3.4 分类过程 | 第28-29页 |
| 3.5 实验分析 | 第29-33页 |
| 3.5.1 数据集与预处理 | 第29页 |
| 3.5.2 实验结果与分析 | 第29-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于多层次信息融合的毒品网页过滤系统 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 信息融合的基本概念和信息融合的相关算法 | 第34-38页 |
| 4.2.1 信息融合的定义以及功能 | 第34-35页 |
| 4.2.2 信息融合的算法 | 第35-38页 |
| 4.3 网页过滤系统的简略框架 | 第38-39页 |
| 4.4 文本预分类过程 | 第39页 |
| 4.5 多模态分类器 | 第39-40页 |
| 4.6 实验分析 | 第40-43页 |
| 4.6.1 过滤阶段 | 第40页 |
| 4.6.2 多模态分类器 | 第40-42页 |
| 4.6.3 数据融合 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读学位期间发表的学术论文 | 第52页 |