| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 课题研究内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-17页 |
| 第2章 国内外相关研究概述 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 相关理论介绍 | 第17-21页 |
| 2.2.1 决策树算法 | 第17-19页 |
| 2.2.2 概念漂移 | 第19-21页 |
| 2.3 国内外相关研究现状 | 第21-28页 |
| 2.3.1 模式匹配技术及其现状 | 第21-26页 |
| 2.3.2 垃圾邮件识别技术及其现状 | 第26-28页 |
| 2.4 本章小结 | 第28-31页 |
| 第3章 基于优化Wu-Manber的邮件地址匹配算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 相关工作分析 | 第31-32页 |
| 3.2.1 邮件地址特征分析 | 第31-32页 |
| 3.2.2 常见的Wu-Manber优化算法 | 第32页 |
| 3.3 结合邮件地址特征的大规模邮件地址匹配算法 | 第32-38页 |
| 3.4 实验结果与分析 | 第38-42页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验方案与步骤 | 第38-39页 |
| 3.4.3 实验结果分析 | 第39-42页 |
| 3.5 本章小结 | 第42-45页 |
| 第4章 一种适应概念漂移的垃圾邮件识别模型 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 相关工作分析 | 第45-46页 |
| 4.2.1 中文分词 | 第45页 |
| 4.2.2 常见的垃圾邮件识别方法 | 第45-46页 |
| 4.3 基于时窗增量的垃圾邮件识别模型 | 第46-54页 |
| 4.3.1 模型框架 | 第46-47页 |
| 4.3.2 训练模块 | 第47-50页 |
| 4.3.3 时间窗口和增量学习模块 | 第50-52页 |
| 4.3.4 判断模块 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.4.1 实验环境 | 第54页 |
| 4.4.2 实验性能评估指标 | 第54-55页 |
| 4.4.3 实验方案与步骤 | 第55-56页 |
| 4.4.4 实验过程与结果分析 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |