粒子群优化的SVM垃圾邮件过滤研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-19页 |
| ·研究背景 | 第13-15页 |
| ·研究意义 | 第15-16页 |
| ·国内外研究现状及本文主要工作 | 第16-17页 |
| ·国内外研究现状 | 第16-17页 |
| ·本文主要工作 | 第17页 |
| ·本文组织安排 | 第17-19页 |
| 2 电子邮件基本知识及其预处理 | 第19-31页 |
| ·垃圾邮件的定义及其分类 | 第19页 |
| ·电子邮件的工作原理 | 第19-21页 |
| ·电子邮件相关协议 | 第21-23页 |
| ·SMTP协议 | 第21-22页 |
| ·POP3协议 | 第22页 |
| ·IMAP协议 | 第22-23页 |
| ·MIME协议 | 第23页 |
| ·中文电子邮件的预处理 | 第23-31页 |
| ·中文分词 | 第24-25页 |
| ·去停用词 | 第25-27页 |
| ·特征选择 | 第27-29页 |
| ·信息增益 | 第27-28页 |
| ·互信息 | 第28页 |
| ·文档频率 | 第28-29页 |
| ·χ~2统计量 | 第29页 |
| ·特征值的计算 | 第29-31页 |
| 3 垃圾邮件过滤技术及文本分类算法 | 第31-39页 |
| ·垃圾邮件过滤技术 | 第31-33页 |
| ·基于IP层的过滤 | 第31-32页 |
| ·基于SMTP协议的过滤 | 第32页 |
| ·基于内容的过滤 | 第32-33页 |
| ·垃圾邮件过滤与文本分类 | 第33-34页 |
| ·常用的文本分类算法 | 第34-39页 |
| ·朴素贝叶斯算法 | 第34-35页 |
| ·K近邻算法 | 第35页 |
| ·支持向量机算法 | 第35-38页 |
| ·决策树算法 | 第38-39页 |
| 4 基于粒子群优化的支持向量机垃圾邮件过滤 | 第39-46页 |
| ·支持向量机算法参数分析 | 第39-40页 |
| ·遗传算法简介 | 第40-41页 |
| ·遗传优化的支持向量机 | 第41-42页 |
| ·粒子群算法 | 第42-43页 |
| ·粒子群优化的支持向量机 | 第43-45页 |
| ·PSO-SVM较GA-SVM优势分析 | 第45页 |
| ·PSO-SVM垃圾邮件过滤 | 第45-46页 |
| 5 实验结果与分析 | 第46-56页 |
| ·实验介绍 | 第46-47页 |
| ·实验软硬件环境 | 第47页 |
| ·实验垃圾邮件语料库 | 第47-48页 |
| ·邮件预处理 | 第48页 |
| ·实验的性能评估指标 | 第48-49页 |
| ·实验结果 | 第49-52页 |
| ·性能分析 | 第52-56页 |
| 6 结论与展望 | 第56-58页 |
| ·本文工作总结 | 第56-57页 |
| ·未来工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在学期间发表的学术论文 | 第62页 |
