| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文主要工作及内容安排 | 第11-14页 |
| 第2章 Phishing网页图像分割的改进谱聚类方法 | 第14-24页 |
| ·谱聚类算法 | 第14-16页 |
| ·k-均值方法 | 第14-15页 |
| ·谱图理论 | 第15-16页 |
| ·改进的谱聚类 | 第16-20页 |
| ·量子进化算法 | 第16-18页 |
| ·克隆变异操作 | 第18-19页 |
| ·改进的谱聚类算法分割phishing网页图像过程 | 第19-20页 |
| ·网页图像分割结果与分析 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 网页特征提取 | 第24-30页 |
| ·分割后的网页图像特征提取 | 第24-26页 |
| ·子图特征 | 第24-25页 |
| ·子图间位置关系特征 | 第25-26页 |
| ·页面文档特征提取 | 第26-29页 |
| ·文档模型分析 | 第26-27页 |
| ·文档特征提取 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 网页特征向量预处理 | 第30-36页 |
| ·核主成分分析(KPCA) | 第30-32页 |
| ·主成分分析(PCA) | 第30-31页 |
| ·KPCA | 第31-32页 |
| ·基于KPCA的网页特征向量预处理 | 第32-34页 |
| ·基于KPCA的网页特征向量降维方法 | 第32-33页 |
| ·网页特征向量降维分析 | 第33-34页 |
| ·实验与结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 Phishing网页分类识别的半监督方法研究 | 第36-46页 |
| ·直推支持向量机(TSVM)的分析与研究 | 第36-39页 |
| ·支持向量机理论 | 第36-39页 |
| ·直推支持向量机(TSVM) | 第39页 |
| ·基于TSVM的phishing网页分类识别方法及分析 | 第39-42页 |
| ·基于TSVM的phishing网页检测识别流程 | 第39-41页 |
| ·基于TSVM的phishing网页检测方法分析 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第51-52页 |
| 致谢 | 第52-53页 |
| 作者简介 | 第53页 |
