| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-27页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-22页 |
| 1.2.1 电子邮件系统的研究现状 | 第12-13页 |
| 1.2.2 垃圾邮件过滤的研究现状 | 第13-20页 |
| 1.2.3 关于朴素贝叶斯算法的研究现状 | 第20-21页 |
| 1.2.4 为什么要引入模糊学理论 | 第21-22页 |
| 1.2.5 关于模糊贝叶斯混合算法的研究现状 | 第22页 |
| 1.3 研究目的与意义 | 第22-23页 |
| 1.4 研究思路 | 第23-25页 |
| 1.4.1 朴素贝叶斯算法应用于邮件分类中 | 第24页 |
| 1.4.2 朴素贝叶斯算法与三角模糊数混合 | 第24页 |
| 1.4.3 模糊贝叶斯算法应用于邮件分类中 | 第24-25页 |
| 1.5 论文的结构介绍 | 第25页 |
| 1.6 本章小结 | 第25-27页 |
| 第2章 模糊贝叶斯 | 第27-45页 |
| 2.1 贝叶斯分类 | 第27-31页 |
| 2.1.1 贝叶斯网络 | 第27-28页 |
| 2.1.2 朴素贝叶斯 | 第28-30页 |
| 2.1.3 朴素贝叶斯算法应用于文本分类 | 第30-31页 |
| 2.2 模糊数学 | 第31-33页 |
| 2.2.1 模糊集合概念 | 第31-32页 |
| 2.2.2 三角模糊数 | 第32-33页 |
| 2.3 模糊贝叶斯混合算法 | 第33-36页 |
| 2.3.1 第一步：数据准备工作 | 第33-34页 |
| 2.3.2 第二步：模糊化处理 | 第34页 |
| 2.3.3 第三步：去模糊化处理 | 第34-35页 |
| 2.3.4 第四步：先验概率和条件概率 | 第35-36页 |
| 2.3.5 第五步：最大后验概率 | 第36页 |
| 2.4 模糊贝叶斯混合模型的应用方法 | 第36-43页 |
| 2.4.1 数据准备 | 第36-38页 |
| 2.4.2 数据标准化 | 第38-39页 |
| 2.4.3 去模糊化和离散化处理 | 第39-41页 |
| 2.4.4 用例测试 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 基于Fuzzy Bayesian混合模型的邮件系统应用 | 第45-65页 |
| 3.1 邮件系统的需求与设计 | 第45-53页 |
| 3.1.1 需求分析 | 第46页 |
| 3.1.2 邮件系统设计 | 第46-53页 |
| 3.2 邮件系统应用 | 第53-64页 |
| 3.2.1 用户、联系人及邮件信息管理 | 第53-54页 |
| 3.2.2 邮件发送 | 第54-55页 |
| 3.2.3 邮件收取 | 第55页 |
| 3.2.4 邮件分类 | 第55-64页 |
| 3.3 本章小结 | 第64-65页 |
| 第4章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 个人简历 | 第70页 |