基于最优分类面的神经网络模式分类方法及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·神经网络方法概述 | 第10-11页 |
| ·垃圾邮件基本理论 | 第11-12页 |
| ·基于最优分类面的神经网络模式分类方法简介 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 垃圾邮件过滤技术概述 | 第15-25页 |
| ·引言 | 第15-16页 |
| ·信息过滤的基本理论 | 第16-20页 |
| ·信息过滤和信息检索的基本概念 | 第16-18页 |
| ·信息过滤的研究历史 | 第18页 |
| ·已有的信息过滤方法简述 | 第18-20页 |
| ·邮件过滤方法介绍 | 第20-25页 |
| ·电子邮件基本概念 | 第20-21页 |
| ·已有的垃圾邮件过滤技术 | 第21-25页 |
| 第三章 基于最优分类面的模式分类方法 | 第25-39页 |
| ·基于最优分类面的模式分类方法 | 第25-30页 |
| ·BP 网络模型介绍 | 第25-26页 |
| ·传统神经网络模式分类方法的泛化能力分析 | 第26-27页 |
| ·基于最优分类面的神经网络模式分类方法的基本思想 | 第27-30页 |
| ·分类算法 | 第28-29页 |
| ·包含权重信息的最优分类面算法 | 第29-30页 |
| ·新方法的泛化能力分析 | 第30页 |
| ·运用AB 神经网络，加速收敛速度 | 第30-33页 |
| ·AB 神经网络的基本思想 | 第30-32页 |
| ·AB 神经网络的训练方法 | 第32-33页 |
| ·XOR 和双螺旋线问题的实验结果 | 第33-38页 |
| ·XOR 问题 | 第33-34页 |
| ·双螺旋问题 | 第34-38页 |
| ·分类面的构造 | 第34-35页 |
| ·基于AB 神经网络，构造神经网络逼近分类面 | 第35-36页 |
| ·分类及测试结果 | 第36-38页 |
| ·与SVM 方法的比较 | 第38-39页 |
| 第四章 基于最优分类面算法的垃圾邮件过滤过程 | 第39-54页 |
| ·邮件的预处理 | 第41-47页 |
| ·特征抽取 | 第47-49页 |
| ·最优分类面的构造 | 第49-52页 |
| ·最优分类面上样本的获得 | 第49页 |
| ·构造神经网络，对最优分类面进行逼近 | 第49-52页 |
| ·过滤过程 | 第52-54页 |
| ·完整的分类算法 | 第52-53页 |
| ·分类过程 | 第53-54页 |
| 第五章 实验结果及结论 | 第54-59页 |
| ·评估分类结果的技术指标 | 第54-55页 |
| ·基于传统神经网络方法的邮件过滤器的实验结果 | 第55-56页 |
| ·用传统的神经网络方法构造邮件过滤器的步骤 | 第55-56页 |
| ·实验结果 | 第56页 |
| ·基于最优分类面算法的邮件过滤器实验结果 | 第56-58页 |
| ·结论 | 第58-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |
