垃圾图像过滤系统的实现

摘要	第1-4页
Abstract	第4-9页
第1章 绪论	第9-15页
·垃圾图像过滤	第9-12页
·课题背景	第9-10页
·垃圾图像的定义	第10页
·垃圾图像的特点	第10-11页
·图像型垃圾邮件的检测难点	第11-12页
·基于统计学习的图像型垃圾邮件过滤器	第12-13页
·图像预处理	第13页
·模型训练	第13页
·本文的研究内容	第13页
·本文的组织结构	第13-15页
第2章 垃圾图像分类模型	第15-27页
·Naive Bayes模型	第15-16页
·K-近邻法	第16-17页
·基于实例映射分类(LLSF)模型	第17-20页
·支持向量机(SVM)	第20-25页
·Logistic回归模型(LR)	第25-27页
第3章 垃圾图像过滤器的实现	第27-42页
·邮件的格式	第27-29页
·垃圾图像特征分析	第29-31页
·垃圾邮件过滤体系结构	第31-32页
·系统体系结构	第32-41页
·文字相关特征提取	第32-37页
·关键字过滤	第37页
·图像特征提取	第37-40页
·第一级过滤器	第40页
·第二级过滤器	第40-41页
·本章小结	第41-42页
第4章 实验结果和比较	第42-46页
·评价指标	第42-43页
·本文的评价标准	第43页
·本文的数据集合	第43页
·实验结果	第43-46页
第5章 总结和展望	第46-47页
·总结	第46页
·未来工作	第46-47页
参考文献	第47-51页
攻读硕士学位期间主要的研究成果	第51-52页
致谢	第52页