| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 引言 | 第11-13页 |
| 第一章 网络信息过滤技术概述 | 第13-17页 |
| ·网络信息过滤定义 | 第13页 |
| ·网络信息过滤的研究与现状 | 第13-15页 |
| ·网络信息过滤的分类 | 第15-16页 |
| ·目前的网络信息过滤系统 | 第16-17页 |
| 第二章 基于RS 理论的决策表约简 | 第17-24页 |
| ·RS 理论 | 第17-21页 |
| ·RS 理论概念 | 第17-18页 |
| ·决策表与区分矩阵 | 第18-20页 |
| ·决策规则 | 第20-21页 |
| ·决策表约简算法 | 第21-24页 |
| ·决策表属性约简 | 第21-22页 |
| ·决策表值约简 | 第22-24页 |
| 第三章 基于SVM 的多分类方法研究 | 第24-38页 |
| ·SVM 理论 | 第24-30页 |
| ·SVM 基本方法 | 第24-26页 |
| ·结构风险最小化原则（SRM） | 第26-27页 |
| ·最大间隔超平面分类器 | 第27-29页 |
| ·KKT 条件 | 第29-30页 |
| ·SVM 算法 | 第30-33页 |
| ·C-SVM 算法和ν -SVM 算法 | 第30页 |
| ·三种多分类SVM 算法 | 第30-33页 |
| ·二叉树多分类SVM 算法 | 第33-38页 |
| ·二叉树多分类SVM | 第33-34页 |
| ·基于聚类的二叉树多分类SVM | 第34-35页 |
| ·核函数的选取 | 第35-38页 |
| 第四章 RS 理论和二叉树多分类SVM 算法在WEB 信息过滤中的应用 | 第38-49页 |
| ·RS 与SVM 的特点及其结合的优越性 | 第38页 |
| ·基于RS 理论和二叉树多分类SVM 的新算法 | 第38-45页 |
| ·改进的启发式相对属性约简 | 第38-43页 |
| ·二叉树多分类SVM | 第43-45页 |
| ·RS 理论和二叉树多分类SVM 算法在WEB 信息过滤中的应用 | 第45-49页 |
| ·构建Web 信息过滤模型 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| 第五章 二叉树多分类SVM 算法在电子邮件过滤中的应用 | 第49-63页 |
| ·系统总体设计 | 第49-51页 |
| ·基于二叉树多分类SVM 的邮件过滤器 | 第51-55页 |
| ·第一级过滤 | 第51-53页 |
| ·第二级过滤 | 第53-55页 |
| ·实验与性能分析 | 第55-59页 |
| ·性能评价准则 | 第55-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·几种过滤方法比较 | 第59页 |
| ·基于URL 的垃圾邮件过滤 | 第59-63页 |
| ·HTML 格式垃圾邮件的特点 | 第59-60页 |
| ·基于URL 垃圾邮件过滤的工作原理 | 第60-61页 |
| ·测试 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·全文工作总结 | 第63页 |
| ·进一步工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 发表文章目录 | 第69-70页 |
| 致谢 | 第70-71页 |
| 详细摘要 | 第71-76页 |
