| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究的背景及研究意义 | 第9-10页 |
| ·目前国内外研究现状 | 第10-12页 |
| ·存在的问题 | 第10-11页 |
| ·主要技术 | 第11-12页 |
| ·本文研究的主要内容及章节安排 | 第12-13页 |
| 第二章 数据挖掘技术 | 第13-21页 |
| ·数据挖掘概念和任务 | 第13-15页 |
| ·数据挖掘的概念 | 第13-14页 |
| ·数据挖掘的任务 | 第14-15页 |
| ·数据挖掘的过程、模式和方法 | 第15-18页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·数据挖掘的模式和方法 | 第16-18页 |
| ·文本数据挖掘 | 第18-21页 |
| 第三章 基于内容的反垃圾邮件技术应用研究 | 第21-29页 |
| ·概述 | 第21页 |
| ·KNN(K-Nearest Neighbor)算法及其模型 | 第21-23页 |
| ·基于汉明距离的K-最近邻算法 | 第23-25页 |
| ·贝叶斯算法及其模型 | 第25-26页 |
| ·向量空间(VSM)算法及其模型 | 第26-27页 |
| ·朴素贝叶斯算法及模型 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 邮件过滤系统的预处理 | 第29-35页 |
| ·邮件过滤系统的总体设计 | 第29-30页 |
| ·文本的表示 | 第30页 |
| ·中文分词技术 | 第30-32页 |
| ·基于词典的字符串匹配分词方法 | 第30-31页 |
| ·基于理解的分词方法 | 第31页 |
| ·基于统计的分词方法 | 第31页 |
| ·本文中分词采用的方法 | 第31-32页 |
| ·特征值提取 | 第32-34页 |
| ·文档频率 | 第32页 |
| ·互信息量 | 第32-33页 |
| ·信息增益 | 第33页 |
| ·相对熵法 | 第33页 |
| ·本文提出的特征选取算法 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第五章 基于多分类器组合的垃圾邮件过滤系统的设计 | 第35-48页 |
| ·概述 | 第35页 |
| ·分类器组合的方法 | 第35-38页 |
| ·投票表决法和加权投票法 | 第35-36页 |
| ·Bagging与Boosting | 第36-38页 |
| ·垃圾邮件过滤系统设计与实现 | 第38-39页 |
| ·垃圾邮件过滤系统设计 | 第38-39页 |
| ·垃圾邮件算法步骤 | 第39页 |
| ·单一过滤器的实现 | 第39-45页 |
| ·KNN算法 | 第40-41页 |
| ·贝叶斯算法 | 第41-42页 |
| ·基于汉明距离的KNN算法 | 第42-43页 |
| ·朴素贝叶斯算法 | 第43-45页 |
| ·组合过滤器的实现 | 第45-46页 |
| ·组合分类器的模型算法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 实验测试 | 第48-51页 |
| ·系统性能测试 | 第48-49页 |
| ·测试目的 | 第48页 |
| ·测试评价指标 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第七章 结束语 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |