基于聚类思想的快速训练不平衡邮件集的方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10-14页 |
| ·研究内容 | 第14-15页 |
| ·论文结构 | 第15-17页 |
| 第二章 文本挖掘理论 | 第17-27页 |
| ·文本表示 | 第17-18页 |
| ·向量空间模型 | 第17-18页 |
| ·语言模型 | 第18页 |
| ·后缀树模型 | 第18页 |
| ·文本特征 | 第18-22页 |
| ·特征表示 | 第18-20页 |
| ·特征选择 | 第20-21页 |
| ·特征提取 | 第21-22页 |
| ·文本分类 | 第22-25页 |
| ·支持向量机算法 | 第22-24页 |
| ·朴素贝叶斯算法 | 第24-25页 |
| ·K最近邻算法 | 第25页 |
| ·文本聚类 | 第25-27页 |
| ·划分聚类算法 | 第25-26页 |
| ·层次聚类算法 | 第26页 |
| ·密度聚类算法 | 第26-27页 |
| 第三章 快速训练不平衡邮件集的模型研究 | 第27-42页 |
| ·邮件过滤模型简介 | 第28-31页 |
| ·邮件过滤研究中的现存问题 | 第28-29页 |
| ·模型框架介绍 | 第29-31页 |
| ·邮件的量化表示 | 第31-35页 |
| ·结构分析和内容抽取 | 第31-32页 |
| ·特征空间构建 | 第32-33页 |
| ·特征选择与提取 | 第33-35页 |
| ·相似度计算 | 第35页 |
| ·邮件的过滤算法 | 第35-42页 |
| ·欠采样的分析 | 第36页 |
| ·压缩及平衡样本的算法 | 第36-39页 |
| ·分类算法 | 第39-40页 |
| ·训练集更新思路 | 第40-42页 |
| 第四章 实验及结果评价 | 第42-51页 |
| ·实验环境及样本 | 第42页 |
| ·实验内容 | 第42-44页 |
| ·实验评价指标 | 第44-45页 |
| ·实验结果及分析 | 第45-51页 |
| 第五章 结论和展望 | 第51-54页 |
| ·本文的结论 | 第51-52页 |
| ·创新点 | 第52-53页 |
| ·不足之处 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
