基于图片特征和分类器融合的垃圾邮件过滤技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·反垃圾邮件技术研究背景及意义 | 第10-11页 |
| ·垃圾邮件的特点和分类 | 第11-12页 |
| ·反垃圾邮件现状 | 第12-14页 |
| ·法律手段 | 第12-13页 |
| ·反垃圾邮件组织 | 第13-14页 |
| ·反垃圾邮件技术发展 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 垃圾邮件过滤技术 | 第16-25页 |
| ·文本型垃圾邮件过滤技术 | 第16-19页 |
| ·基于行为特征的垃圾邮件过滤技术 | 第16页 |
| ·实时黑名单(RBL) | 第16-17页 |
| ·基于规则的过滤方法 | 第17-18页 |
| ·基于内容的垃圾邮件过滤 | 第18-19页 |
| ·图片垃圾邮件过滤技术 | 第19-23页 |
| ·基于文本提取的研究方法 | 第19页 |
| ·基于图片特征的研究方法 | 第19-22页 |
| ·指纹识别技术 | 第22页 |
| ·重复检测 | 第22-23页 |
| ·其它过滤方法 | 第23页 |
| ·本文方法的提出 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 多层垃圾邮件过滤系统总体设计 | 第25-40页 |
| ·垃圾邮件过滤系统总体设计 | 第25-26页 |
| ·文本型垃圾邮件过滤设计 | 第26-29页 |
| ·最大熵模型问题描述 | 第26-27页 |
| ·最大熵模型问题的求解 | 第27-28页 |
| ·最大熵模型参数估计算法 | 第28-29页 |
| ·SVM 算法 | 第29-33页 |
| ·SVM 算法的理论基础 | 第29-30页 |
| ·SVM 算法实现原理 | 第30-32页 |
| ·基于后验概率的 SVM | 第32-33页 |
| ·图片型垃圾邮件过滤设计 | 第33-37页 |
| ·噪声检测 | 第34页 |
| ·SIFT 特征提取算法 | 第34-37页 |
| ·多分类器融合 | 第37-39页 |
| ·D-S 证据理论 | 第37-39页 |
| ·D-S 合成规则 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 多层垃圾邮件过滤系统详细设计 | 第40-46页 |
| ·预处理 | 第40-41页 |
| ·文本预处理 | 第40页 |
| ·图片预处理 | 第40-41页 |
| ·特征提取 | 第41-44页 |
| ·改进的 SIFT 算法 | 第42页 |
| ·图像底层和高层特征提取 | 第42-44页 |
| ·基于 D-S 证据理论的合成规则改进 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 实验及结果分析 | 第46-56页 |
| ·垃圾邮件过滤性能评价指标 | 第46-47页 |
| ·实验环境 | 第47-48页 |
| ·实验结果与方差分析 | 第48-55页 |
| ·F 检验 | 第48-49页 |
| ·基于 SIFT 特征相似度测量实验 | 第49-51页 |
| ·周长复杂度与 SIFT 算法相结合的实验 | 第51-52页 |
| ·多种过滤方法相结合的实验测试 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
