遗传算法和贝叶斯模型在垃圾邮件过滤中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景和意义 | 第10-15页 |
| 1.1.1 垃圾邮件的起源 | 第10-11页 |
| 1.1.2 垃圾邮件的危害 | 第11-13页 |
| 1.1.3 垃圾邮件的现状 | 第13-15页 |
| 1.2 反垃圾邮件研究现状和发展趋势 | 第15-17页 |
| 1.3 研究内容和论文结构 | 第17-19页 |
| 第二章 垃圾邮件过滤技术基础 | 第19-28页 |
| 2.1 引言 | 第19-21页 |
| 2.1.1 电子邮件格式 | 第20-21页 |
| 2.1.2 电子邮件相关协议 | 第21页 |
| 2.2 电子邮件分类预处理 | 第21-24页 |
| 2.2.1 文本分词方法 | 第22页 |
| 2.2.2 文本表示方法 | 第22-23页 |
| 2.2.3 文本特征提取方法 | 第23-24页 |
| 2.3 电子邮件中的文本分类方法 | 第24-26页 |
| 2.3.1 K‐近邻算法 | 第24-25页 |
| 2.3.2 支持向量机算法 | 第25-26页 |
| 2.3.3 粗糙集方法 | 第26页 |
| 2.3.4 贝叶斯方法 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于遗传算法改进的AAPE分类模型 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 贝叶斯理论基础 | 第28-29页 |
| 3.3 贝叶斯分类模型 | 第29-35页 |
| 3.3.1 朴素贝叶斯分类模型 | 第29-31页 |
| 3.3.2 AODE分类模型 | 第31-33页 |
| 3.3.3 AAPE分类模型 | 第33-34页 |
| 3.3.4 特征值权重计算 | 第34-35页 |
| 3.4 使用遗传算法对AAPE模型进行改进 | 第35-44页 |
| 3.4.1 遗传算法原理与方法 | 第36-40页 |
| 3.4.2 GAAPE遗传操作 | 第40-41页 |
| 3.4.3 GAAPE适应度函数 | 第41-42页 |
| 3.4.4 GAAPE分类算法 | 第42-43页 |
| 3.4.5 GAAPE算法复杂度分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 垃圾邮件过滤系统原型设计 | 第45-52页 |
| 4.1 引言 | 第45页 |
| 4.2 系统流程 | 第45-46页 |
| 4.3 模块设计 | 第46-51页 |
| 4.3.1 协议接.模块 | 第46-47页 |
| 4.3.2 预处理模块 | 第47页 |
| 4.3.3 即时智能过滤模块 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 垃圾邮件过滤系统初步实现及实验结果 | 第52-68页 |
| 5.1 垃圾邮件过滤系统开发环境 | 第52页 |
| 5.1.1 系统开发环境 | 第52页 |
| 5.2 系统模块开发 | 第52-58页 |
| 5.2.1 用户管理模块 | 第52页 |
| 5.2.2 预处理模块 | 第52-53页 |
| 5.2.3 即时智能过滤模块 | 第53-58页 |
| 5.3 实验结果及分析 | 第58-66页 |
| 5.3.1 实验测试方案 | 第58-59页 |
| 5.3.2 实验测试指标 | 第59-60页 |
| 5.3.3 实验结果分析 | 第60-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 结论 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
