摘要4-5
ABSTRACT5-6
章 绪论6-12
1.1 研究背景及6-7
1.2 国内外研究现状及发展7-10
1.3 垃圾邮件过滤存在的问题10
1.4 的主要内容及10-12
章 数据挖掘技术12-21
2.1 数据挖掘及方法12-15
2.1.1 数据挖掘的12-14
2.1.2 数据挖掘的方法14-15
2.2 数据挖掘技术在垃圾邮件过滤中的分类方法15-18
2.2.1 贝叶斯分类法16
2.2.2 决策树分类法16
2.2.3 支持向量机分类法16-17
2.2.4 神经网络分类法17
2.2.5 KNN分类法17-18
2.3 贝叶斯分类算法的模型和特点18-21
2.3.1 贝叶斯模型18-19
2.3.2 贝叶斯分类算法的特点19-21
章 基于贝叶斯分类原理的反垃圾邮件技术研究21-29
3.1 垃圾邮件的定义21
3.2 垃圾邮件泛滥的原因21
3.3 影响垃圾邮件过滤的因素21-22
3.4 基于朴素贝叶斯分类器的反垃圾邮件模型22-24
3.5 应用贝叶斯过滤算法垃圾邮件过滤的主要24-25
3.6 贝叶斯算法在反垃圾邮件中的实例25-26
3.7 应用贝叶斯算法垃圾邮件过滤中优点26-27
3.8 基于贝叶斯算法的邮件过滤模型27-29
章 垃圾邮件过滤模型设计和实验29-37
4.1 垃圾邮件过滤模型设计29
4.1.1 垃圾邮件过滤系统模块29
4.1.2 垃圾邮件过滤系统实现类29
4.2 系统设计29-32
4.2.1 系统流程29-30
4.2.2 系统框架30-31
4.2.3 模块设计31-32
4.4 实验结果32-35
4.4.1 程序实验结果32-33
4.4.2 比较实验结果33-35
4.5 基于朴素贝叶斯算法的垃圾邮件过滤系统实现35-37
第五章 总结与展望37-40