基于模糊支持向量机的垃圾邮件过滤技术研究
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·垃圾邮件过滤技术及发展现状 | 第12-15页 |
| ·基于安全认证的方法 | 第12-13页 |
| ·基于规则的邮件过滤方法 | 第13-14页 |
| ·基于统计的邮件过滤方法 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 2 支持向量机相关理论 | 第17-26页 |
| ·统计学习理论（SLT） | 第17-20页 |
| ·机器学习 | 第17-18页 |
| ·经验风险最小化 | 第18页 |
| ·VC 维 | 第18页 |
| ·泛化界 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机（SVM）原理 | 第20-24页 |
| ·支持向量机 | 第20-23页 |
| ·核函数 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 3 电子邮件工作原理和预处理技术 | 第26-38页 |
| ·电子邮件工作原理 | 第26-31页 |
| ·电子邮件传送过程 | 第26-27页 |
| ·电子邮件格式 | 第27-29页 |
| ·电子邮件相关协议 | 第29-31页 |
| ·邮件预处理 | 第31-37页 |
| ·邮件分词 | 第31-33页 |
| ·向量空间模型（VSM） | 第33页 |
| ·特征选择 | 第33-35页 |
| ·特征约减 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于 FSVM 的垃圾邮件过滤 | 第38-46页 |
| ·引言 | 第38-39页 |
| ·模糊支持向量机(FSVM) | 第39-40页 |
| ·FSVM 的模糊隶属度函数的设计选择 | 第40-43页 |
| ·基于错分损失的 FSVM 垃圾邮件过滤系统 | 第43-45页 |
| ·惩罚因子C | 第43-44页 |
| ·基于误分损失的模糊支持向量机算法 | 第44页 |
| ·垃圾邮件过滤系统流程 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 数据仿真实验 | 第46-50页 |
| ·实验语料 | 第46-47页 |
| ·邮件预处理 | 第47页 |
| ·参数选取方法 | 第47页 |
| ·实验评价方法和评价指标 | 第47-49页 |
| ·实验结果 | 第49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57页 |
