基于支持向量机的反垃圾电话技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·反垃圾电话技术研究概况 | 第13-16页 |
| ·本文主要研究内容及章节安排 | 第16-18页 |
| ·主要的研究内容 | 第16-17页 |
| ·章节安排 | 第17-18页 |
| 第2章 支持向量机理论 | 第18-30页 |
| ·引言 | 第18页 |
| ·机器学习相关概念 | 第18-20页 |
| ·机器学习的问题表示 | 第18-19页 |
| ·经验风险 | 第19-20页 |
| ·复杂性与推广能力 | 第20页 |
| ·统计学习理论 | 第20-23页 |
| ·VC维 | 第21页 |
| ·结构风险 | 第21-23页 |
| ·支持向量机 | 第23-29页 |
| ·线性支持向量机 | 第24-27页 |
| ·非线性支持向量机 | 第27-28页 |
| ·内积核函数 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 支持向量机预处理算法研究 | 第30-41页 |
| ·引言 | 第30页 |
| ·属性约简算法 | 第30-34页 |
| ·基于区分矩阵的属性约简算法 | 第30-32页 |
| ·连续属性离散化 | 第32-33页 |
| ·属性约简与支持向量机结合 | 第33页 |
| ·实验及分析 | 第33-34页 |
| ·K最近邻预处理算法 | 第34-40页 |
| ·K最近邻算法 | 第34-35页 |
| ·基于核函数的K最近邻算法 | 第35-36页 |
| ·应用于数据预处理的K最近邻算法 | 第36-38页 |
| ·实验及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 支持向量机训练算法研究 | 第41-57页 |
| ·引言 | 第41页 |
| ·主要训练算法 | 第41-44页 |
| ·块算法 | 第41-42页 |
| ·分解算法 | 第42-43页 |
| ·SVM~(light) | 第43页 |
| ·SMO算法 | 第43-44页 |
| ·影响SMO算法因素的研究 | 第44-51页 |
| ·Platt的SMO算法 | 第44-46页 |
| ·对中止条件以及阂值的修正 | 第46-47页 |
| ·步长缩放因子 | 第47-49页 |
| ·缓存 | 第49-50页 |
| ·并行计算 | 第50-51页 |
| ·一种改进的SMO算法 | 第51-53页 |
| ·实验及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 SIP及基于呼叫行为的特征分析 | 第57-66页 |
| ·引言 | 第57页 |
| ·SIP研究 | 第57-62页 |
| ·SIP的网络构成 | 第57-59页 |
| ·SIP中的呼叫的建立 | 第59-61页 |
| ·SIP中的呼叫转移和重定向 | 第61-62页 |
| ·用户的呼叫行为特征分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 支持向量机在SIP安全网关中的应用研究 | 第66-78页 |
| ·引言 | 第66页 |
| ·系统概述 | 第66-67页 |
| ·网络位置 | 第66-67页 |
| ·系统运行平台 | 第67页 |
| ·系统结构 | 第67页 |
| ·基于NETFILTER的直路过滤 | 第67-70页 |
| ·基于虚拟用户代理的图灵测试 | 第70-72页 |
| ·信誉值驱动的黑白名单 | 第72-73页 |
| ·基于支持向量机的预测 | 第73-77页 |
| ·特征提取 | 第73-76页 |
| ·数据训练策略 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第86-87页 |
| 致谢 | 第87页 |
