文摘
英文文摘
声明
第1章绪论
1.1课题背景
1.2本文主要研究内容
1.3研究意义
1.4创新性工作
1.4.1集成学习、代价敏感的集成学习及其在邮件过滤中的应用
1.4.2电子邮件智能应用机制(详见第7章)
1.5本文结构
1.6本章小结
第2章电子邮件的相关研究
2.1电子邮件简介
2.1.1 Internet电子邮件系统模型
2.1.2电子邮件标准
2.2电子邮件带来的问题
2.3垃圾邮件过滤
2.3.1国内外垃圾邮件现状
2.3.2基于机器学习的过滤
2.3.3基于IP地址的过滤
2.3.4基于安全标识的反垃圾邮件
2.4基于电子邮件的智能应用
2.4.1智能工作助手
2.4.2语义Web与Web智能
2.4.3新一代电子邮件的开发
2.5本章小结
第3章垃圾邮件过滤理论体系
3.1垃圾邮件过滤形式化定义
3.2垃圾邮件过滤的理论基础
3.2.1特征子集提取
3.2.2非代价敏感的有监督学习算法
3.2.3代价敏感的有监督学习算法
3.2.4集成学习与垃圾邮件过滤
3.2.5算法评价
3.3垃圾邮件过滤算法比较
3.4本章小结
第4章基于混合高斯模型的多贝叶斯过滤器集成
4.1 GMM与EM算法
4.2基于GMM的多过滤器集成算法
4.2.1算法流程
4.2.2对应分析及空间变换方法
4.2.3垃圾邮件判决方法
4.3性能分析与实验结果
4.3.1时间复杂度分析
4.3.2实验结果
4.4本章小结
第5章两阶段集成学习
5.1两阶段集成学习算法
5.1.1 Bagging和Boosting算法分析
5.1.2两阶段集成学习算法
5.2实验结果及分析
5.2.1实验数据与实验设计
5.2.2实验结果与结果分析
5.3对个体分类器构造方法的讨论
5.4本章小结
第6章多阶段代价敏感集成学习
6.1代价敏感的直接学习
6.2多学习器的知识表示
6.3代价敏感的间接学习
6.4过滤算法
6.5实验结果及分析
6.6从知识中学习集成规则的讨论
6.7本章小结
第7章电子邮件与智能应用
7.1可操作电子邮件
7.1.1万维电子邮件网(WWSEN)
7.1.2可操作电子邮件的语言栈
7.1.3在WWSEN中实现智能应用
7.1.4与可操作电子邮件相关的研究问题
7.1.5一个说明性演示程序
7.2基于可操作电子邮件的个性化智能工作助手
7.2.1总体框架
7.2.2基于本体的电子邮件归档
7.2.3基于时间窗口技术的用户行为学习
7.2.4基于多智能体的邮件过滤及实验结果
7.3本章小结
结论
1主要工作和贡献
2未来的工作
参考文献
攻读博士期间取得的研究成果
致谢