基于时序特征的贝叶斯垃圾邮件过滤研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-14页 |
| ·课题研究背景 | 第11-12页 |
| ·垃圾邮件的来源 | 第12-13页 |
| ·我国近期垃圾邮件状况 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·论文的内容安排 | 第16-17页 |
| 第二章 贝叶斯过滤器及邮件测评技术 | 第17-30页 |
| ·贝叶斯定理 | 第17页 |
| ·朴素贝叶斯分类器 | 第17-19页 |
| ·贝叶斯垃圾邮件过滤器 | 第19-23页 |
| ·贝叶斯垃圾邮件过滤器原理 | 第19-20页 |
| ·贝叶斯垃圾邮件过滤器工作流程 | 第20-22页 |
| ·贝叶斯垃圾邮件过滤器实现 | 第22-23页 |
| ·特征降维方法 | 第23页 |
| ·特征选择的定义 | 第23-24页 |
| ·常用的特征选择算法 | 第24-26页 |
| ·文档频数 | 第24-25页 |
| ·信息增益 | 第25页 |
| ·卡方统计 | 第25页 |
| ·期望交叉熵 | 第25-26页 |
| ·互信息 | 第26页 |
| ·邮件评测平台 | 第26-28页 |
| ·评测语料库 | 第26-27页 |
| ·评测指标 | 第27-28页 |
| ·参照标准 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于 SimHash的邮件指纹特征 | 第30-37页 |
| ·综述 | 第30页 |
| ·邮件预处理 | 第30-31页 |
| ·文档去噪 | 第30页 |
| ·中文分词 | 第30-31页 |
| ·基于 N-Gram 的邮件特征表示 | 第31页 |
| ·基于 SimHash 的邮件特征表示 | 第31-35页 |
| ·向量空间模型 | 第32-33页 |
| ·改进的 SimHash 指纹向量 | 第33-34页 |
| ·邮件特征向量表 | 第34-35页 |
| ·实验及结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 MIC 特征选择算法 | 第37-44页 |
| ·邮件特征选择的必要性 | 第37页 |
| ·常用特征选择方法的不足 | 第37-38页 |
| ·MIC 特征选择算法 | 第38-39页 |
| ·基于互信息算法的初步改进 | 第38页 |
| ·类别贡献度 | 第38-39页 |
| ·基于互信息和类别贡献度的 MIC 特征选择算法 | 第39页 |
| ·实验结果及分析 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 基于时序特征的垃圾邮件过滤方法 | 第44-61页 |
| ·邮件的时序特征 | 第44-47页 |
| ·垃圾邮件特征的冗余性 | 第44页 |
| ·垃圾邮件新增特征词的学习 | 第44-45页 |
| ·垃圾邮件指纹使用率分布统计 | 第45页 |
| ·时间序列数据特点 | 第45-47页 |
| ·基于时序特征的垃圾邮件过滤方法 | 第47-50页 |
| ·相关定义 | 第47-48页 |
| ·工作流程 | 第48-50页 |
| ·基于时序特征的垃圾邮件过滤方法实现 | 第50-57页 |
| ·在线训练过程 | 第50-51页 |
| ·分类过程 | 第51-54页 |
| ·数据更新过程 | 第54-57页 |
| ·实验及结果分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 集成实验及结果分析 | 第61-64页 |
| ·过滤器设计 | 第61-62页 |
| ·实验及性能分析 | 第62-63页 |
| ·在线过滤模式下的性能比较 | 第62-63页 |
| ·离线过滤模式下的性能比较 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论及展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
