基于退火遗传算法的自适应网络信息过滤系统研究与实现
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 概述 | 第11-16页 |
| ·课题研究背景和意义 | 第11-12页 |
| ·课题研究背景 | 第11页 |
| ·课题研究意义 | 第11-12页 |
| ·相关研究进展 | 第12-14页 |
| ·信息过滤发展 | 第12页 |
| ·目前信息过滤模型存在问题 | 第12-13页 |
| ·当前研究重点 | 第13-14页 |
| ·本文写作背景 | 第14页 |
| ·论文的创新点 | 第14-15页 |
| ·论文基本结构 | 第15-16页 |
| 第二章 基于内容的网络信息过滤关键技术 | 第16-23页 |
| ·网络信息过滤一般模型 | 第16页 |
| ·网络数据的获取 | 第16-17页 |
| ·特征选择 | 第17-19页 |
| ·分词 | 第17-18页 |
| ·特征项抽取 | 第18页 |
| ·权值计算 | 第18-19页 |
| ·信息过滤文本表示 | 第19-20页 |
| ·学习算法 | 第20-22页 |
| ·常用学习算法 | 第20-21页 |
| ·常见算法中存在的缺点 | 第21-22页 |
| ·相关反馈 | 第22-23页 |
| 第三章 基于退火遗传算法的网络信息过滤模型 | 第23-48页 |
| ·遗传算法基本原理 | 第23-25页 |
| ·基本原理及其主要应用 | 第23页 |
| ·遗传算法研究进展 | 第23-24页 |
| ·遗传算法主要优点 | 第24-25页 |
| ·基于遗传算法的信息过滤模型构建 | 第25-36页 |
| ·基本遗传优化 | 第25-29页 |
| ·模拟退火遗传算法 | 第29-31页 |
| ·遗传算法参数的动态调整 | 第31-36页 |
| ·遗传操作初始参数和终止条件设定 | 第36页 |
| ·网络信息过滤模板的自适应调整 | 第36-40页 |
| ·反馈的基本思想 | 第37-38页 |
| ·基于中心向量判定法的反馈算法 | 第38-39页 |
| ·反馈效果测试 | 第39-40页 |
| ·基于概念的段落化匹配 | 第40-48页 |
| ·基于语义特征的文本段落划分 | 第40-44页 |
| ·文本分类的段落化匹配实现 | 第44-45页 |
| ·效果分析实验 | 第45-48页 |
| 第四章 网络信息过滤系统实现和结构 | 第48-58页 |
| ·系统总体设计 | 第48-49页 |
| ·设计目标 | 第48页 |
| ·系统逻辑结构 | 第48-49页 |
| ·系统模块设计与实现 | 第49-52页 |
| ·数据包截获及协议分析模块 | 第49-50页 |
| ·遗传算法训练 | 第50页 |
| ·系统过滤模块 | 第50-52页 |
| ·反馈学习模块 | 第52页 |
| ·系统管理模块 | 第52页 |
| ·系统主要界面 | 第52-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·所做的主要研究工作 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 已发表学术论文 | 第64-65页 |
| 参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |
