面向海量邮件过滤的云计算技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·主要研究内容 | 第17-18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 相关技术基础 | 第19-32页 |
| ·云计算的概念及特点 | 第19-20页 |
| ·云计算的核心技术 | 第20-23页 |
| ·编程模型技术 | 第20-21页 |
| ·数据存储技术 | 第21-22页 |
| ·虚拟化技术 | 第22页 |
| ·资源的管理 | 第22-23页 |
| ·安全技术 | 第23页 |
| ·云计算的服务应用模式 | 第23-25页 |
| ·IaaS 模式 | 第23-24页 |
| ·PaaS 模式 | 第24页 |
| ·SaaS 模式 | 第24-25页 |
| ·反垃圾邮件过滤技术 | 第25-31页 |
| ·电子邮件与垃圾邮件 | 第25-26页 |
| ·基于关键字的邮件过滤技术 | 第26-27页 |
| ·基于黑白名单的邮件过滤技术 | 第27页 |
| ·基于规则的邮件过滤技术 | 第27-29页 |
| ·基于统计的邮件过滤技术 | 第29-31页 |
| ·基于散列值的邮件过滤技术 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 云环境下贝叶斯邮件过滤算法的设计与实现 | 第32-51页 |
| ·MapReduce 云计算编程模型 | 第32-33页 |
| ·贝叶斯邮件过滤算法 | 第33-34页 |
| ·基于 MapReduce 模型的算法改进 | 第34-35页 |
| ·改进后算法的 MapReduce 模型 | 第35-39页 |
| ·贝叶斯邮件过滤算法流程 | 第35-36页 |
| ·预处理模块的 MapReduce 模型 | 第36-37页 |
| ·邮件训练模块的 MapReduce 模型 | 第37-38页 |
| ·邮件过滤模块的 MapReduce 模型 | 第38-39页 |
| ·贝叶斯邮件过滤的反馈学习 | 第39-42页 |
| ·加入反馈学习的过滤流程 | 第39-41页 |
| ·反馈学习的 MapReduce 模型 | 第41-42页 |
| ·实验及结果分析 | 第42-50页 |
| ·Hadoop 云计算平台 | 第42-43页 |
| ·实验环境构建 | 第43-46页 |
| ·实验数据样本 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 海量邮件过滤的 SaaS 云计算服务 | 第51-69页 |
| ·云过滤的 SaaS 服务需求分析 | 第51-52页 |
| ·SaaS 服务模式 | 第51-52页 |
| ·SaaS 需求分析 | 第52页 |
| ·面向邮件服务提供商的 SaaS 云过滤模型 | 第52-61页 |
| ·不同角色的邮件过滤类型 | 第52-55页 |
| ·位于 MDA 端的云过滤模型设计 | 第55-56页 |
| ·GM 层模块设计 | 第56-59页 |
| ·LM 层模块设计 | 第59-61页 |
| ·SaaS 云过滤服务 | 第61-64页 |
| ·服务总架构 | 第61-62页 |
| ·SaaS 租户业务 | 第62-63页 |
| ·SaaS 管理业务 | 第63-64页 |
| ·实验及结果分析 | 第64-68页 |
| ·云服务计算平台配置 | 第64-66页 |
| ·实验数据样本 | 第66页 |
| ·实验结果及分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·论文研究工作总结 | 第69-70页 |
| ·进一步的工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表（录用）的论文 | 第76页 |
