| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景和意义 | 第10-11页 |
| ·垃圾邮件过滤技术的研究现状 | 第11-16页 |
| ·基于IP地址的垃圾邮件过滤方法 | 第11-12页 |
| ·基于手工规则的垃圾邮件过滤方法 | 第12-14页 |
| ·基于内容的垃圾邮件过滤方法 | 第14-16页 |
| ·论文研究内容 | 第16-18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 邮件预处理和特征选取算法 | 第19-25页 |
| ·邮件预处理 | 第19-21页 |
| ·邮件信头关键字段提取 | 第19页 |
| ·邮件正文提取 | 第19-20页 |
| ·邮件分词 | 第20页 |
| ·邮件表示 | 第20-21页 |
| ·各种特征选取算法 | 第21-25页 |
| ·特征选取算法 | 第22-24页 |
| ·各种特征选择算法的比较 | 第24-25页 |
| 第三章 支持向量机(SVM) | 第25-34页 |
| ·支持向量机的分类原理 | 第25-31页 |
| ·线性支持向量机 | 第25-27页 |
| ·非线性支持向量机 | 第27-30页 |
| ·支持向量机和结构风险最小化原则 | 第30-31页 |
| ·支持向量机的后验概率 | 第31-32页 |
| ·支持向量机在文本分类中的应用 | 第32-34页 |
| 第四章 D-S证据理论 | 第34-41页 |
| ·D-S证据理论的基本理论 | 第35-37页 |
| ·识别框架 | 第35页 |
| ·基本概率分配函数(BPAF)、置信函数(BEL)与似然函数(PL) | 第35-36页 |
| ·D-S合成规则 | 第36-37页 |
| ·D-S证据理论方法用于目标识别 | 第37-38页 |
| ·目标识别的结构 | 第37-38页 |
| ·决策规则 | 第38页 |
| ·系统仿真 | 第38-41页 |
| 第五章 系统设计和实验测试 | 第41-56页 |
| ·系统设计与实现 | 第41-43页 |
| ·开发环境介绍 | 第41页 |
| ·系统结构 | 第41-42页 |
| ·基于SVM和D-S理论的模型结构 | 第42-43页 |
| ·邮件预处理 | 第43-48页 |
| ·邮件头的特征选择 | 第43-44页 |
| ·邮件体的预处理 | 第44-48页 |
| ·SVM分类器的设计 | 第48-51页 |
| ·SVM分类器的训练过程 | 第49-51页 |
| ·SVM分类器的测试过程 | 第51页 |
| ·实验结果 | 第51-56页 |
| ·垃圾邮件的评价体系 | 第51-52页 |
| ·实验语料 | 第52页 |
| ·测试结果 | 第52-54页 |
| ·实验结果分析 | 第54-56页 |
| 第六章 总结及展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表论文 | 第62页 |