|
|
|
垃圾邮件过滤算法研究及系统实现 |
|
论文目录 |
|
摘要 | 第1-4页 | Abstract | 第4-5页 | 目录 | 第5-8页 | 1 绪论 | 第8-21页 | ·垃圾邮件介绍 | 第8-10页 | ·垃圾邮件概念 | 第8页 | ·垃圾邮件危害 | 第8-10页 | ·当前反垃圾邮件状况 | 第10-15页 | ·法律手段 | 第10-11页 | ·经济手段 | 第11-12页 | ·技术手段 | 第12-14页 | ·综合协作手段 | 第14-15页 | ·垃圾邮件过滤的机器学习方法 | 第15-19页 | ·决策树 | 第15-16页 | ·K-近邻分类器 | 第16页 | ·遗传算法 | 第16-17页 | ·粗糙集 | 第17页 | ·人工神经网络 | 第17页 | ·贝叶斯算法 | 第17-18页 | ·Winnow | 第18页 | ·Boosting | 第18-19页 | ·支持向量机 | 第19页 | ·本文主要工作及组织安排 | 第19-20页 | ·主要工作 | 第19页 | ·组织安排 | 第19-20页 | ·本章小结 | 第20-21页 | 2 本文使用的算法 | 第21-37页 | ·贝叶斯算法 | 第21-26页 | ·起源 | 第21-22页 | ·基本贝叶斯算法 | 第22-25页 | ·Graham贝叶斯算法 | 第25-26页 | ·Winnow | 第26-29页 | ·基本Winnow | 第26-27页 | ·Balanced Winnow | 第27-29页 | ·AdaBoost | 第29-31页 | ·算法介绍 | 第29-30页 | ·算法分析 | 第30-31页 | ·支持向量机 | 第31-35页 | ·线性可分性 | 第31-32页 | ·线性可分支持向量分类机 | 第32-33页 | ·线性支持向量分类机 | 第33页 | ·可分支持向量分类机 | 第33-34页 | ·C-支持向量分类机 | 第34-35页 | ·本章小结 | 第35-37页 | 3 实验分析 | 第37-66页 | ·样本总体生成 | 第37-40页 | ·原始样本集 | 第37-38页 | ·预处理 | 第38-39页 | ·中文分词 | 第39-40页 | ·统计词频 | 第40页 | ·训练集与测试集生成 | 第40-47页 | ·训练/测试集选择 | 第41页 | ·特征选择 | 第41-47页 | ·特征提取 | 第47页 | ·训练 | 第47-48页 | ·贝叶斯 | 第47页 | ·Winnow | 第47-48页 | ·AdaBoost | 第48页 | ·支持向量机 | 第48页 | ·分类器性能评价 | 第48-65页 | ·评价指标 | 第48-50页 | ·贝叶斯 | 第50-52页 | ·Winnow | 第52-57页 | ·AdaBoost | 第57-59页 | ·支持向量机 | 第59-61页 | ·四种分类器对比 | 第61-65页 | ·本章小结 | 第65-66页 | 4 系统实现 | 第66-73页 | ·邮件过滤系统部署方案 | 第66-67页 | ·基于客户端的邮件过滤系统 | 第67-69页 | ·先前的实现方案 | 第67-68页 | ·邮件过滤插件方式 | 第68-69页 | ·邮件过滤插件实现 | 第69-72页 | ·功能与结构 | 第69-71页 | ·系统界面效果 | 第71-72页 | ·本章小结 | 第72-73页 | 5 总结及展望 | 第73-74页 | ·总结 | 第73页 | ·展望 | 第73-74页 | 致谢 | 第74-75页 | 参考文献 | 第75-78页 |
|
|
|
|
论文编号BS804463,这篇论文共78页 会员购买按0.35元/页下载,共需支付27.3元。 直接购买按0.5元/页下载,共需要支付39元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|