中文摘要 | 第1-7页 |
Abstract | 第7-16页 |
第一章 绪论 | 第16-30页 |
·垃圾邮件问题的背景 | 第16-18页 |
·垃圾邮件的起源与历史 | 第16-17页 |
·垃圾邮件的分类 | 第17-18页 |
·垃圾邮件问题的现状 | 第18-23页 |
·垃圾邮件的特点 | 第19-21页 |
·垃圾邮件问题产生和存在的原因 | 第21-23页 |
·目前反垃圾邮件存在的主要问题 | 第23页 |
·主要应对策略 | 第23-26页 |
·将不确定智能计算引入到垃圾邮件过滤领域的原因 | 第26-27页 |
·本文的主要研究工作 | 第27-28页 |
·本文的内容安排 | 第28-30页 |
第二章 垃圾邮件过滤技术的研究基础 | 第30-47页 |
·电子邮件工作原理 | 第30-31页 |
·电子邮件协议 | 第31-34页 |
·RFC 822 邮件格式 | 第31页 |
·SMTP 协议 | 第31-32页 |
·POP3 协议 | 第32页 |
·IMAP4 协议 | 第32-33页 |
·MIME 协议 | 第33-34页 |
·邮件预处理 | 第34-38页 |
·邮件分词 | 第34-35页 |
·邮件表示 | 第35-37页 |
·特征选择 | 第37-38页 |
·常见邮件过滤策略和方法 | 第38-43页 |
·基于规则的方法 | 第38-40页 |
·基于统计的方法 | 第40-43页 |
·基于多级属性集的 Naive Bayes 邮件分类器 | 第43-46页 |
·改进算法 | 第44-45页 |
·改进算法的性能分析与结论 | 第45-46页 |
·本章小结 | 第46-47页 |
第三章 Bayesian 网络理论研究 | 第47-79页 |
·Bayesian 网络概述 | 第47-48页 |
·基于全局消息传播的 Bayesian 网络推理 | 第48-55页 |
·势(potentials)的基本运算 | 第49页 |
·生成连接树 | 第49-51页 |
·推理原则 | 第51-52页 |
·全局传播算法 | 第52-53页 |
·计算实验与结论 | 第53-55页 |
·Polytree 条件下的复杂Bayesian 网络推理 | 第55-65页 |
·Polytree 条件下的证据 | 第56-58页 |
·消息传递 | 第58-60页 |
·并行处理算法 | 第60-62页 |
·算法性能分析比较与结论 | 第62-65页 |
·不完备证据条件下的 Bayesian 网络参数学习 | 第65-77页 |
·基本 Bayesian 参数估计理论 | 第66-68页 |
·新网络计算模型 | 第68-71页 |
·参数更新规则 | 第71页 |
·收敛性能分析 | 第71-74页 |
·仿真试验结果与结论 | 第74-77页 |
·本章小结 | 第77-79页 |
第四章 基于Bayesian 网络的邮件过滤技术 | 第79-87页 |
·核密度估计和分类 | 第79-81页 |
·Bayesian 邮件特征网络 | 第81-83页 |
·分类算法 | 第83-84页 |
·邮件分类网络的性能分析和结论 | 第84-86页 |
·本章小结 | 第86-87页 |
第五章 垃圾邮件过滤的偏依赖特征研究 | 第87-98页 |
·偏依赖特征的引入 | 第87-88页 |
·偏依赖拟合Logistic Regression 模型 | 第88-90页 |
·特征提取 | 第90-91页 |
·测试与结果 | 第91-96页 |
·精度性能测试 | 第91-92页 |
·基于统计方法的分类器精度性能对比 | 第92-93页 |
·维度选择特性测试 | 第93-94页 |
·CPD 特性测试 | 第94-95页 |
·抗扰动性能测试 | 第95-96页 |
·本章小结 | 第96-98页 |
第六章 支持向量机的邮件分类 | 第98-110页 |
·线性判别分析的推广 | 第98-100页 |
·支持向量分类器 | 第100-102页 |
·基于行为特征的SVM 垃圾邮件过滤 | 第102-109页 |
·基于内容的垃圾邮件过滤技术存在的缺陷 | 第102-103页 |
·基于行为特征的支持向量分类模型 | 第103-107页 |
·实验结果与结论 | 第107-109页 |
·本章小结 | 第109-110页 |
第七章 基于不确定学习理论的邮件过滤系统的设计与实现 | 第110-118页 |
·设计目标 | 第110-111页 |
·系统流程 | 第111-112页 |
·系统框架 | 第112-113页 |
·模块设计 | 第113-116页 |
·协议代理模块 | 第113页 |
·预处理模块 | 第113-114页 |
·过滤模块 | 第114-116页 |
·数据模块 | 第116页 |
·管理模块 | 第116页 |
·性能评测 | 第116-117页 |
·本章小结 | 第117-118页 |
第八章 全文总结及未来的工作 | 第118-123页 |
·全文总结 | 第118-120页 |
·下一步值得研究的课题 | 第120-123页 |
·概念漂移问题 | 第120-121页 |
·数据倾斜问题 | 第121-123页 |
致谢 | 第123-124页 |
参考文献 | 第124-137页 |
论文发表和科研奖励情况 | 第137-139页 |