基于内容的电子邮件过滤系统的研究与设计
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-16页 |
| ·什么是垃圾邮件 | 第9-10页 |
| ·垃圾邮件过滤的研究意义 | 第10-11页 |
| ·反垃圾邮件技术的研究现状 | 第11-15页 |
| ·根源阻断 | 第11页 |
| ·存在发现 | 第11-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 电子邮件相关知识 | 第16-27页 |
| ·电子邮件的组成及工作原理 | 第16-19页 |
| ·邮件用户代理（MUA） | 第16-17页 |
| ·邮件传输代理（MTA） | 第17-19页 |
| ·邮件分发代理（MDA） | 第19页 |
| ·电子邮件相关协议 | 第19-23页 |
| ·简单邮件传输协议（SMTP） | 第19-21页 |
| ·邮局协议（POP3） | 第21-22页 |
| ·网络消息访问协议（IMAP） | 第22页 |
| ·多用途的网际邮件扩充协议（MIME） | 第22-23页 |
| ·电子邮件的组成 | 第23-24页 |
| ·垃圾邮件的常用语料库 | 第24-27页 |
| ·PU1 语料 | 第24-25页 |
| ·Ling-Spam 语料 | 第25-27页 |
| 第三章 电子邮件的预处理 | 第27-38页 |
| ·文本表示方法 | 第27-28页 |
| ·中文分词 | 第28-32页 |
| ·中文分词的规范 | 第28页 |
| ·去除停用词 | 第28-29页 |
| ·中文分词的常用方法 | 第29-30页 |
| ·词典的组织加工 | 第30-31页 |
| ·对正向最大匹配法（FMM）的改进 | 第31-32页 |
| ·特征项的提取 | 第32-35页 |
| ·词条权重的计算 | 第35-38页 |
| ·权重函数的改进 | 第36-37页 |
| ·本系统所采用的权重函数 | 第37-38页 |
| 第四章 支持向量机 | 第38-50页 |
| ·统计学习理论 | 第38-39页 |
| ·支持向量机 | 第39-44页 |
| ·线性可分情形 | 第40-41页 |
| ·线性不可分情形与软间隔 | 第41-42页 |
| ·线性不可分情形与核函数 | 第42-44页 |
| ·核函数 | 第44-46页 |
| ·核函数的作用 | 第45页 |
| ·参数 C 的作用 | 第45-46页 |
| ·使用支持向量机方法实现主动学习 | 第46-50页 |
| 第五章 基于最优搜索的 KNN 最近邻居法 | 第50-60页 |
| ·KNN 最近邻居法 | 第50-51页 |
| ·最优搜索理论 | 第51-60页 |
| ·最优搜索问题的基本要素 | 第52-53页 |
| ·静止目标最优搜索模型 | 第53-55页 |
| ·拉格朗日乘数法 | 第55-56页 |
| ·计算最优搜索策略的算法实现 | 第56-60页 |
| 第六章 系统实现和测试结果 | 第60-73页 |
| ·系统设计与实现 | 第60-62页 |
| ·开发环境介绍 | 第60页 |
| ·系统结构 | 第60-62页 |
| ·邮件预处理 | 第62-65页 |
| ·分词实现 | 第62-63页 |
| ·特征提取 | 第63-64页 |
| ·权值计算 | 第64-65页 |
| ·预处理结果 | 第65页 |
| ·SVM 分类器的设计 | 第65-67页 |
| ·SVM 分类器的训练过程 | 第66-67页 |
| ·SVM 分类器的测试过程 | 第67页 |
| ·基于最优搜索的 KNN 实现 | 第67-68页 |
| ·实验结果 | 第68-73页 |
| ·垃圾邮件的评价体系 | 第68-69页 |
| ·测试结果 | 第69-73页 |
| 第七章 总结及展望 | 第73-75页 |
| ·总结 | 第73页 |
| ·展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |
