| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·本文研究内容 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 支持向量机的相关理论介绍 | 第15-20页 |
| ·特征降维技术 | 第15页 |
| ·中文分词 | 第15-16页 |
| ·特征选择 | 第16-17页 |
| ·IG(Information Gain)理论 | 第16页 |
| ·DF（Document Frequency）理论 | 第16页 |
| ·MI (Mutual Information)理论 | 第16-17页 |
| ·CHI统计 | 第17页 |
| ·文本分类算法 | 第17-19页 |
| ·贝叶斯算法 | 第17-18页 |
| ·KMP算法 | 第18-19页 |
| ·支持向量机 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第3章 系统的设计思想与架构设计 | 第20-31页 |
| ·系统总体需求分析 | 第20-22页 |
| ·监控方案的确定 | 第20页 |
| ·监控控制模式分析 | 第20-22页 |
| ·系统体系结构设计 | 第22-23页 |
| ·系统硬件结构设计 | 第23-24页 |
| ·系统软件结构设计 | 第24-26页 |
| ·垃圾短信发端监控拦截流程 | 第26-28页 |
| ·系统关键模块分析 | 第28-30页 |
| ·特征过滤模块 | 第28-29页 |
| ·内容分类模块 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 系统功能模型的建立 | 第31-38页 |
| ·生成SVM训练模块 | 第31-33页 |
| ·文本分类模块 | 第33页 |
| ·SVM算法实现分类 | 第33-34页 |
| ·功能模块设计 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于SVM的系统设计实现 | 第38-45页 |
| ·系统总体评价标准 | 第38页 |
| ·系统性能 | 第38-39页 |
| ·性能优化分析 | 第39-41页 |
| ·测试实验结果分析 | 第41-44页 |
| ·特征选择方法分析比较 | 第41-42页 |
| ·KMP算法和SVM算法比较 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |