| 第1章 绪论 | 第1-10页 |
| ·课题背景及研究意义 | 第7-8页 |
| ·本课题研究的主要内容及章节安排 | 第8-10页 |
| 第2章 反垃圾邮件技术概况 | 第10-21页 |
| ·垃圾邮件的概念及危害 | 第10-12页 |
| ·垃圾邮件起因和特点 | 第12-14页 |
| ·反垃圾邮件技术研究现状 | 第14-21页 |
| 第3章 数据挖掘技术概述 | 第21-31页 |
| ·数据挖掘的概念和任务 | 第21-23页 |
| ·数据挖掘的概念 | 第21-22页 |
| ·数据挖掘的任务 | 第22-23页 |
| ·数据挖掘的过程、模式和方法 | 第23-28页 |
| ·数据挖掘的过程 | 第23-24页 |
| ·数据挖掘的模式和方法 | 第24-28页 |
| ·数据挖掘的应用和研究方向 | 第28-29页 |
| ·文本数据挖掘 | 第29-31页 |
| 第4章 中文邮件正文文本信息预处理 | 第31-44页 |
| ·邮件过滤模型 | 第31-32页 |
| ·中文分词 | 第32-36页 |
| ·中文分词的概念 | 第32-33页 |
| ·中文分词的主要方法 | 第33-36页 |
| ·空间向量模型中特征项的选择 | 第36-39页 |
| ·向量空间模型中特征项权值的计算 | 第39-40页 |
| ·文本信息的表示 | 第40-44页 |
| ·布尔模型(Boolean Model) | 第40-41页 |
| ·概率模型(Probabistic Model) | 第41页 |
| ·向量空间模型(Vector Space Model) | 第41-44页 |
| 第5章 基于K-最近邻算法的邮件过滤 | 第44-54页 |
| ·K-最近邻算法 | 第44-48页 |
| ·K-最近邻算法简介 | 第44-47页 |
| ·实验结果与评价标准 | 第47-48页 |
| ·基于改进汉明距离的K-最近邻算法 | 第48-51页 |
| ·基于汉明距离的K-最近邻算法 | 第48-50页 |
| ·算法改进及实验结果 | 第50-51页 |
| ·基于聚类的K-最近邻算法 | 第51-54页 |
| 第6章 基于RBF的邮件过滤 | 第54-62页 |
| ·RBF神经网络 | 第54-56页 |
| ·RBF神经网络的结构 | 第54-55页 |
| ·RBF神经网络的原理 | 第55-56页 |
| ·RBF神经网络学习算法 | 第56-61页 |
| ·实验结果 | 第61-62页 |
| 第7章 结束语 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |