基于神经网络集成的垃圾邮件过滤系统设计
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·邮件过滤技术的国内外研究现状 | 第10-11页 |
| ·本文的研究意义 | 第11页 |
| ·神经网络集成的研究现状 | 第11-13页 |
| ·本文的主要工作 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| 2 邮件过滤技术的相关理论 | 第14-23页 |
| ·预处理技术 | 第14页 |
| ·特征选择技术 | 第14-17页 |
| ·文档频率 | 第15页 |
| ·信息增益 | 第15-16页 |
| ·互信息 | 第16页 |
| ·χ~2 统计量 | 第16-17页 |
| ·期望交叉熵 | 第17页 |
| ·邮件过滤技术 | 第17-22页 |
| ·黑白名单过滤 | 第17-18页 |
| ·基于规则的过滤 | 第18-19页 |
| ·基于统计的过滤 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于神经网络集成的邮件过滤 | 第23-33页 |
| ·系统模型设计 | 第23-25页 |
| ·系统模型 | 第23-24页 |
| ·基分类器的选取 | 第24-25页 |
| ·邮件过滤集成系统中的个体选择技术 | 第25-30页 |
| ·Boosting 技术 | 第26-27页 |
| ·Bagging 技术 | 第27-28页 |
| ·Stacking 技术 | 第28页 |
| ·个体生成技术的选择 | 第28-30页 |
| ·邮件过滤集成系统中的结论组合技术 | 第30-32页 |
| ·平均法 | 第30页 |
| ·投票法 | 第30-31页 |
| ·贝叶斯法 | 第31页 |
| ·Borda 计数法 | 第31页 |
| ·结论组合方法选择 | 第31-32页 |
| ·邮件过滤集成系统的参数设置 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 实验结果分析与评价 | 第33-46页 |
| ·实验数据选择 | 第33-34页 |
| ·实验数据预处理 | 第34-36页 |
| ·预处理的必要性 | 第34-35页 |
| ·数据表示 | 第35页 |
| ·预处理步骤 | 第35-36页 |
| ·预处理结果 | 第36页 |
| ·特征提取 | 第36-39页 |
| ·特征提取的重要性 | 第36-37页 |
| ·信息增益算法的实现 | 第37-38页 |
| ·特征提取结果 | 第38-39页 |
| ·性能评价 | 第39-40页 |
| ·评价指标 | 第39-40页 |
| ·基于混淆矩阵的评价方法 | 第40页 |
| ·基于神经网络集成的实验结果 | 第40-44页 |
| ·实验平台介绍 | 第40-41页 |
| ·实验结果分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
