基于蚁群优化的网页作弊检测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究目标和研究内容 | 第11-12页 |
| 1.3 论文的结构安排 | 第12-14页 |
| 第2章 网页作弊检测技术相关研究 | 第14-26页 |
| 2.1 常见的搜索引擎排名算法 | 第14-17页 |
| 2.1.1 TF-IDF算法 | 第14-15页 |
| 2.1.2 PageRank算法 | 第15-16页 |
| 2.1.3 HITS算法 | 第16-17页 |
| 2.2 常见的网页作弊技术 | 第17-21页 |
| 2.2.1 基于内容的网页作弊技术 | 第17-18页 |
| 2.2.2 基于链接的网页作弊技术 | 第18-20页 |
| 2.2.3 基于隐藏的网页作弊技术 | 第20-21页 |
| 2.3 网页作弊检测研究现状 | 第21-25页 |
| 2.3.1 基于内容的网页作弊检测技术 | 第21-22页 |
| 2.3.2 基于链接的网页作弊检测技术 | 第22-23页 |
| 2.3.3 基于隐藏的网页作弊检测技术 | 第23-25页 |
| 2.3.4 其它的网页作弊检测技术 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于蚁群优化的分类算法研究 | 第26-37页 |
| 3.1 蚁群优化算法相关背景 | 第26页 |
| 3.2 蚁群优化算法的仿生机理 | 第26-28页 |
| 3.2.1 蚂蚁的觅食行为 | 第26-27页 |
| 3.2.2 蚂蚁的搜索策略 | 第27-28页 |
| 3.3 虚拟蚂蚁与真实蚂蚁的异同 | 第28-29页 |
| 3.4 蚁群优化算法机制分析 | 第29页 |
| 3.5 基于蚁群优化的分类算法研究 | 第29-36页 |
| 3.5.1 基于蚁群优化的分类原理 | 第29-30页 |
| 3.5.2 分类规则形成原理 | 第30-33页 |
| 3.5.3 规则修剪 | 第33页 |
| 3.5.4 分类规则的使用 | 第33-34页 |
| 3.5.5 基于蚁群优化的分类规则提取算法描述 | 第34-35页 |
| 3.5.6 基于蚁群优化的分类算法特点 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于蚁群优化的网页作弊检测技术研究 | 第37-48页 |
| 4.1 基于蚁群优化的网页作弊检测方案设计 | 第37-38页 |
| 4.2 数据集平衡处理 | 第38-39页 |
| 4.3 特征选择 | 第39-42页 |
| 4.3.1 基于CHI的特征选择方法 | 第40-41页 |
| 4.3.2 基于信息增益的特征选择方法 | 第41-42页 |
| 4.4 特征离散化处理 | 第42-43页 |
| 4.4.1 基于信息熵的离散化处理方法 | 第42-43页 |
| 4.4.2 离散化过程描述 | 第43页 |
| 4.5 基于改进蚁群优化的网页作弊检测算法 | 第43-47页 |
| 4.5.1 基于蚁群优化的分类算法缺陷 | 第43-44页 |
| 4.5.2 基于改进蚁群优化的分类规则提取 | 第44页 |
| 4.5.3 分类规则形成过程 | 第44-45页 |
| 4.5.4 分类规则修剪与检测 | 第45页 |
| 4.5.5 分类规则提取算法描述 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验结果及其分析 | 第48-56页 |
| 5.1 实验数据集及实验方法 | 第48-49页 |
| 5.1.1 实验数据集简介 | 第48-49页 |
| 5.1.2 十倍交叉验证方法 | 第49页 |
| 5.2 实验评价指标 | 第49-50页 |
| 5.3 实验结果与分析 | 第50-55页 |
| 5.3.1 实验参数设置 | 第50-51页 |
| 5.3.2 第一组实验及其分析 | 第51-52页 |
| 5.3.3 第二组实验及其分析 | 第52-53页 |
| 5.3.4 第三组实验及其分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 总结 | 第56-57页 |
| 下一步工作 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
