基于数据挖掘技术实现骚扰电话识别
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 引言 | 第11-14页 |
| ·课题研究的意义 | 第11-12页 |
| ·国内现状和发展趋势 | 第12-14页 |
| 第2章 数据挖掘理论及分类方法研究 | 第14-21页 |
| ·数据挖掘的概念 | 第14-15页 |
| ·数据挖掘和数据中的知识发现 | 第15-16页 |
| ·数据挖掘的主要任务 | 第16-17页 |
| ·分类 | 第16页 |
| ·预测 | 第16页 |
| ·聚类 | 第16-17页 |
| ·关联 | 第17页 |
| ·数据挖掘中的分类方法概述 | 第17-18页 |
| ·分类的基本技术 | 第18-19页 |
| ·决策树分类算法 | 第18页 |
| ·贝叶斯分类算法 | 第18-19页 |
| ·神经网络方法 | 第19页 |
| ·K-最近邻分类算法 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第3章 基于数据挖掘实现骚扰电话识别 | 第21-35页 |
| ·数据挖掘算法选择 | 第21页 |
| ·贝叶斯算法介绍 | 第21-23页 |
| ·贝叶斯定理 | 第21-22页 |
| ·朴素贝叶斯算法 | 第22-23页 |
| ·加权朴素贝叶斯算法 | 第23页 |
| ·骚扰电话特征分析 | 第23-25页 |
| ·结合实际应用的算法改进 | 第25-26页 |
| ·分类结果评估方法 | 第26-27页 |
| ·改进的贝叶斯算法的实现过程及验证结果 | 第27-34页 |
| ·算法实现过程 | 第27-28页 |
| ·算法的自学习功能 | 第28-30页 |
| ·对于特征属性取值范围的自动调整 | 第28-29页 |
| ·对于风险因子取值的自动调整 | 第29-30页 |
| ·算法效果评估 | 第30-34页 |
| ·误判率 | 第30-32页 |
| ·漏判率 | 第32-33页 |
| ·成功率 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 骚扰电话识别系统设计及实现 | 第35-43页 |
| ·骚扰电话识别实现思路 | 第35-36页 |
| ·系统相关技术 | 第36-37页 |
| ·系统结构 | 第36页 |
| ·开发语言 | 第36页 |
| ·操作系统 | 第36页 |
| ·数据库 | 第36-37页 |
| ·系统体系架构 | 第37页 |
| ·软件模块结构 | 第37-40页 |
| ·后台系统 | 第37-39页 |
| ·前置子系统 | 第37-38页 |
| ·核心处理子系统 | 第38页 |
| ·后台管理子系统 | 第38-39页 |
| ·前台网站 | 第39-40页 |
| ·权限管理 | 第39页 |
| ·骚扰数据查询拦截 | 第39页 |
| ·统计查询 | 第39-40页 |
| ·主要处理流程 | 第40-41页 |
| ·骚扰电话识别流程 | 第40-41页 |
| ·骚扰电话拦截流程 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第5章 未来的工作及展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45页 |
