| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪言 | 第9-17页 |
| ·课题的来源 | 第9-10页 |
| ·课题的背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·研究的主要内容与论文组织结构 | 第16-17页 |
| 第2章 垃圾邮件过滤的相关技术 | 第17-31页 |
| ·文本分类技术 | 第17-21页 |
| ·文本表示 | 第17-18页 |
| ·特征项定义 | 第18-19页 |
| ·特征选择方法(Feature Selection) | 第19-21页 |
| ·文本分类技术解决垃圾邮件过滤 | 第21-23页 |
| ·垃圾邮件过滤中的常用算法 | 第23-29页 |
| ·自学习K邻近算法(KNN) | 第24-26页 |
| ·支持向量机(SVM) | 第26-29页 |
| ·逻辑回归(Logistic Regression) | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于逻辑回归的垃圾邮件过滤系统 | 第31-50页 |
| ·垃圾邮件过滤系统的体系结构 | 第31-32页 |
| ·逻辑回归模型 | 第32-34页 |
| ·基于字节级n-gram的特征项定义 | 第34-44页 |
| ·邮件特征选择 | 第44页 |
| ·特征向量权值估计 | 第44-48页 |
| ·训练方法 | 第48-49页 |
| ·TOE方法 | 第48页 |
| ·TONE方法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 系统性能测试与分析 | 第50-59页 |
| ·测试环境 | 第50-54页 |
| ·测试集 | 第50-51页 |
| ·测试任务 | 第51-52页 |
| ·评测指标 | 第52-54页 |
| ·测试结果 | 第54-57页 |
| ·测试结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66-67页 |
| 附录 | 第67-72页 |