基于内容的图像垃圾邮件过滤技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-21页 |
| ·图像垃圾邮件的产生背景 | 第10-12页 |
| ·反垃圾邮件技术的发展历程 | 第12-15页 |
| ·图像垃圾邮件的过滤 | 第15-19页 |
| ·图像垃圾邮件的特点 | 第16-17页 |
| ·现有的图像垃圾邮件过滤方法 | 第17-19页 |
| ·论文的主要研究内容及组织结构 | 第19-21页 |
| 第二章 图像垃圾邮件过滤算法 | 第21-43页 |
| ·贝叶斯算法 | 第21-24页 |
| ·概率论中的贝叶斯 | 第21页 |
| ·贝叶斯算法在垃圾邮件过滤中的应用 | 第21-24页 |
| ·C4.5 决策树算法 | 第24-29页 |
| ·决策树算法简介 | 第24页 |
| ·决策树的组成 | 第24-26页 |
| ·ID3 算法 | 第26-28页 |
| ·C4.5 算法 | 第28-29页 |
| ·GMM 算法 | 第29-38页 |
| ·高斯混合模型的介绍 | 第29-30页 |
| ·图像的GMM 表示 | 第30-38页 |
| ·LS-SVM 算法 | 第38-43页 |
| ·SVM 算法 | 第38-40页 |
| ·LS-SVM 算法 | 第40-43页 |
| 第三章 图像垃圾邮件的过滤特征 | 第43-58页 |
| ·行为特征 | 第43-45页 |
| ·单邮件特征 | 第44-45页 |
| ·Sending Window 特征 | 第45页 |
| ·元数据特征 | 第45-46页 |
| ·文本特征 | 第46-49页 |
| ·文本定位 | 第46-47页 |
| ·文本区域特征 | 第47-49页 |
| ·可视化特征（视觉特征） | 第49-55页 |
| ·颜色特征 | 第49-51页 |
| ·纹理特征 | 第51-54页 |
| ·形状特征 | 第54-55页 |
| ·噪音特征 | 第55-58页 |
| 第四章 基于内容的图像垃圾邮件过滤方法 | 第58-67页 |
| ·基于内容的图像垃圾邮件过滤系统 | 第58-59页 |
| ·特征提取 | 第59-63页 |
| ·梯度特征 | 第60-62页 |
| ·视觉特征提取 | 第62-63页 |
| ·元数据特征提取 | 第63页 |
| ·图像垃圾邮件过滤仿真实验及结果 | 第63-66页 |
| ·单过滤器仿真实验 | 第64-65页 |
| ·组合过滤器仿真实验 | 第65-66页 |
| ·LS-SVM 与其他算法的比较实验及结果 | 第66-67页 |
| 第五章 总结及展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在读期间发表的学术论文与取得的研究成果 | 第74页 |
