| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题的背景和意义 | 第11-14页 |
| ·课题的主要工作和成果 | 第14-15页 |
| ·文章组织和结构 | 第15-16页 |
| 第二章 WEB过滤技术研究 | 第16-29页 |
| ·WEB过滤基本原理 | 第16页 |
| ·WEB过滤技术介绍 | 第16-19页 |
| ·WEB过滤研究现状分析 | 第19-22页 |
| ·传统基于内容的WEB过滤模型 | 第22-29页 |
| ·文本预处理 | 第23页 |
| ·文本表示模型 | 第23-25页 |
| ·特征提取 | 第25-26页 |
| ·文本分类型 | 第26-27页 |
| ·传统WEB过滤模型的不足 | 第27-29页 |
| 第三章 人工神经网络优化模型 | 第29-42页 |
| ·ANN概述 | 第29-32页 |
| ·ANN的定义 | 第29-30页 |
| ·ANN的分类 | 第30页 |
| ·ANN的历史 | 第30-31页 |
| ·ANN的特点 | 第31-32页 |
| ·ANN在WEB过滤技术中的应用 | 第32-33页 |
| ·基于微粒群的ANN(POS-ANN) | 第33-36页 |
| ·微粒群算法原理 | 第33-34页 |
| ·POS-ANN算法流程 | 第34-36页 |
| ·POS-ANN算法分析 | 第36页 |
| ·PSO-ANN优化算法(CF-SPSO-ANN) | 第36-42页 |
| ·单纯形微粒群算法对复合适应度神经网络的训练 | 第36-38页 |
| ·单纯形微粒群算法优化复合适应度指标的神经网络 | 第38-39页 |
| ·CF—SPSO-ANN数据挖掘实验 | 第39-42页 |
| 第四章 基于ANN优化算法的多级智能WEB过滤模型 | 第42-58页 |
| ·AOM-ML-SWFS总体模型 | 第42-43页 |
| ·AOM-ML-SWFS的多级策略 | 第43-45页 |
| ·AOM-ML-SWFS的智能化 | 第45-58页 |
| ·样本的组织 | 第48页 |
| ·分词的实施 | 第48-50页 |
| ·特征提取织 | 第50-54页 |
| ·非法文档模板的构建 | 第54-55页 |
| ·CF-SPSO-ANN在WEB过滤中的应用 | 第55-58页 |
| 第五章 AOM-ML-IWFS系统设计 | 第58-63页 |
| ·系统架构 | 第58-59页 |
| ·系统模块设计 | 第59-63页 |
| ·主要系统模块 | 第59-61页 |
| ·系统流程 | 第61-63页 |
| 第六章 过滤实验 | 第63-68页 |
| ·试验平台设计 | 第63-65页 |
| ·过滤过程 | 第65-67页 |
| ·过滤效果 | 第67-68页 |
| 第七章 结论与展望 | 第68-71页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附录1 | 第73-80页 |
| 参考文献 | 第80-81页 |