| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 引言 | 第11-15页 |
| ·项目背景 | 第11-13页 |
| ·项目目标 | 第13-14页 |
| ·研究内容概要 | 第14-15页 |
| 第二章 基础知识 | 第15-26页 |
| ·现有垃圾邮件过滤方法 | 第15-20页 |
| ·白名单和黑名单 | 第17页 |
| ·设定过滤规则 | 第17-18页 |
| ·信头分析 | 第17页 |
| ·群发过滤 | 第17-18页 |
| ·关键词精确匹配 | 第18页 |
| ·基于内容的垃圾邮件过滤技术 | 第18-20页 |
| ·垃圾邮件过滤与文本分类 | 第18-19页 |
| ·垃圾邮件过滤与信息过滤 | 第19-20页 |
| ·文本分类基本知识 | 第20-24页 |
| ·文本机器学习 | 第21-22页 |
| ·基本学习途径 | 第21页 |
| ·训练集和测试集 | 第21页 |
| ·特征选择 | 第21-22页 |
| ·基于机器学习的方法 | 第22-24页 |
| ·Support Vector Machines | 第22页 |
| ·Naive Bayes | 第22-23页 |
| ·Memory-Based 方法 | 第23页 |
| ·Boosting Trees | 第23-24页 |
| ·决策树 | 第24页 |
| ·垃圾邮件内容过滤中的常用语料库 | 第24-25页 |
| ·PU1 语料 | 第24-25页 |
| ·Ling-Spam 语料 | 第25页 |
| ·小结 | 第25-26页 |
| 第三章 SVM 理论 | 第26-34页 |
| ·统计学习知识 | 第26-28页 |
| ·VC 维 | 第26-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·线性可分SVM | 第28-31页 |
| ·线性不可分SVM | 第31-32页 |
| ·非线性SVM | 第32页 |
| ·KKT 条件 | 第32-34页 |
| 第四章 SVM 邮件过滤模型设计 | 第34-48页 |
| ·数据预处理 | 第34-39页 |
| ·工作样本集的选择 | 第34页 |
| ·分词处理 | 第34-37页 |
| ·英文分词 | 第34-35页 |
| ·中文分词 | 第35-37页 |
| ·邮件的表示 | 第37-38页 |
| ·特征项的提取 | 第38-39页 |
| ·SVM 垃圾邮件过滤模型 | 第39-48页 |
| ·SVM 垃圾邮件过滤模型推导 | 第39-45页 |
| ·传统 SVM 训练算法 | 第41-42页 |
| ·SMO 主动学习算法 | 第42-45页 |
| ·SVM 垃圾邮件过滤模型构架 | 第45-48页 |
| 第五章 SVM邮件过滤模型的实现 | 第48-68页 |
| ·模型框架 | 第48-50页 |
| ·程序实现 | 第50-68页 |
| ·数据预处理模块 | 第50-52页 |
| ·单词的存储结构 | 第50-51页 |
| ·主流程 | 第51-52页 |
| ·训练模块 | 第52-60页 |
| ·主流程子模块 | 第54-55页 |
| ·训练初始化子模块 | 第55-57页 |
| ·训练子模块 | 第57-59页 |
| ·功能函数子模块 | 第59-60页 |
| ·结果子模块 | 第60页 |
| ·分类模块 | 第60-68页 |
| ·主程序子模块 | 第63-64页 |
| ·初始化子模块 | 第64-66页 |
| ·分类子模块 | 第66-68页 |
| 第六章 SVM 垃圾邮件过滤模型性能评估 | 第68-80页 |
| ·评价标准 | 第68-71页 |
| ·性能评估 | 第71-78页 |
| ·方法比较 | 第78-80页 |
| 第七章 SVM 垃圾邮件过滤模型中反馈学习技术的应用研究 | 第80-83页 |
| ·反馈学习介绍 | 第80页 |
| ·反馈学习中的支持向量优化 | 第80-81页 |
| ·训练邮件反馈的支持向量消重 | 第81页 |
| ·反馈处理算法流程 | 第81-83页 |
| 第八章 性能优化讨论 | 第83-86页 |
| ·从算法角度讨论 | 第83-84页 |
| ·关于 C 参数的讨论 | 第83页 |
| ·关于缓冲核函数的讨论 | 第83-84页 |
| ·从算法外角度讨论 | 第84-86页 |
| ·个性化训练 | 第84-85页 |
| ·发送者确认机制 | 第85-86页 |
| 第九章 结论 | 第86-89页 |
| ·垃圾邮件系统设计 | 第86-87页 |
| ·总结 | 第87-88页 |
| ·未来工作 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 附录 | 第93-110页 |
| 攻硕期间取得的研究成果 | 第110页 |