| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-27页 |
| ·课题研究背景和意义 | 第13-20页 |
| ·垃圾邮件的定义 | 第13-14页 |
| ·垃圾邮件的危害 | 第14-15页 |
| ·垃圾邮件的现状 | 第15-19页 |
| ·课题的研究意义 | 第19-20页 |
| ·国内外研究现状 | 第20-23页 |
| ·常见特征降维算法 | 第20-21页 |
| ·新的特征降维算法 | 第21页 |
| ·特征空间冗余 | 第21-23页 |
| ·论文的研究工作和体系结构 | 第23-25页 |
| ·论文主要研究工作 | 第23-24页 |
| ·论文体系结构 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第2章 基于内容的垃圾邮件检测 | 第27-43页 |
| ·垃圾邮件过滤技术 | 第27-29页 |
| ·基于邮件系统结构中不同角色的划分 | 第27-29页 |
| ·基于过滤方法的划分 | 第29页 |
| ·基于内容的垃圾邮件检测 | 第29-32页 |
| ·垃圾邮件过滤的数学模型描述 | 第29-30页 |
| ·基于内容的垃圾邮件过滤系统 | 第30-32页 |
| ·垃圾邮件过滤和文本分类 | 第32页 |
| ·邮件文本预处理 | 第32-35页 |
| ·分词 | 第33页 |
| ·去除停用词 | 第33-34页 |
| ·词干还原 | 第34页 |
| ·向量空间模型 | 第34-35页 |
| ·特征降维 | 第35-36页 |
| ·文本分类 | 第36-39页 |
| ·朴素贝叶斯 | 第36-37页 |
| ·K最近邻 | 第37-38页 |
| ·支持向量机 | 第38-39页 |
| ·性能评估 | 第39-40页 |
| ·本章小结 | 第40-43页 |
| 第3章 OMFS特征选择算法 | 第43-55页 |
| ·文本特征降维算法 | 第43-44页 |
| ·特征抽取 | 第43页 |
| ·特征选择 | 第43-44页 |
| ·常见特征选择算法 | 第44-47页 |
| ·文档频率(Document Frequency) | 第44-45页 |
| ·互信息(Mutual Information) | 第45-46页 |
| ·信息增益(Information Gain) | 第46页 |
| ·卡方统计(χ~2-Statistics) | 第46-47页 |
| ·一种新型特征选择算法OMFS | 第47-53页 |
| ·基本算法 | 第47-50页 |
| ·计算复杂度分析 | 第50-51页 |
| ·两种算法的特点分析 | 第51页 |
| ·OMFS算法的提出 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 实验与结果分析 | 第55-79页 |
| ·实验准备 | 第55-59页 |
| ·实验环境 | 第55-56页 |
| ·垃圾邮件语料库 | 第56-57页 |
| ·WEKA数据挖掘平台 | 第57-58页 |
| ·交叉验证 | 第58-59页 |
| ·评价指标 | 第59页 |
| ·仿真实验系统设计 | 第59-62页 |
| ·邮件样本预处理 | 第60-61页 |
| ·特征降维处理 | 第61页 |
| ·分类器建模 | 第61-62页 |
| ·实验设计 | 第62-63页 |
| ·计算效率对比实验 | 第63-64页 |
| ·OCFS,MRMR特征选择算法性能研究 | 第64-66页 |
| ·OMFS算法性能对比实验 | 第66-77页 |
| ·OMFS算法与CHI、IG算法性能比较 | 第67-70页 |
| ·OMFS与OCFS、mRMR算法性能比较 | 第70-75页 |
| ·OMFS第一阶段提取特征维数影响研究 | 第75-77页 |
| ·OMFS算法的优势 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第5章 总结与展望 | 第79-81页 |
| ·总结 | 第79页 |
| ·展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间科研成果 | 第85页 |