電子郵件的出現(xiàn)為人們帶來了較大的便利，它憑借低成本和高速率被廣泛地應用于現(xiàn)今社會。而與此同時，不法分子也正是利用這些優(yōu)點來對人們的郵箱進行攻擊，發(fā)送大量的垃圾郵件。研究者們已經研究出許多垃圾郵件的檢測及過濾方法。在垃圾郵件的過濾技術不斷提高的前提下，垃圾郵件制造者就開始研究新的垃圾郵件制作方法，以躲避垃圾郵件的過濾。于是，他們將一些垃圾信息以文本的形式嵌入郵件中的圖像里，因而，就產生了圖像型垃圾郵件。時下，圖像型垃圾郵件便已經為了十分盛行的垃圾郵件信息的傳播方式。根據(jù)McAfee在2007年的報告，圖像型垃圾郵件在所有垃圾郵件中所占的比例大約是30%。本文首先系統(tǒng)的分析了圖像型垃圾郵件過濾的產生背景、發(fā)展現(xiàn)狀及研究意義，接著介紹了現(xiàn)今幾種比較有潛力的圖像型垃圾郵件檢測方法。與此同時，對圖像型垃圾郵件過濾的關鍵技術進行深入的學習和研究，并將現(xiàn)今已存在的研究成果作為基礎，主要完成了以下幾個方面的創(chuàng)新：通過半監(jiān)督在線學習來訓練支持向量機的算法，以得到一個高精確度且穩(wěn)定的分類器。由于獲取已被標簽的數(shù)據(jù)樣本需要耗費較大的人力、物力，而相對的獲取未被標簽的數(shù)據(jù)樣本則相對容易的多。所以，我們從未標簽... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
專用術語注釋表
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 本文主要工作內容
    1.4 論文內容結構
第二章 圖像型垃圾郵件的特征分析及檢測方法
    2.1 前言
    2.2 圖像型垃圾郵件的特點分析
    2.3 基于圖像內容的垃圾郵件檢測方法分析
        2.3.1 基于圖像的邊緣特征的檢測技術
        2.3.2 基于文本內容的檢測方法
        2.3.3 基于圖片偽造特征的檢測方法
        2.3.4 基于圖片紋理特征的檢測方法
        2.3.5 其他類別的檢測方法
    2.4 本章小結
第三章 基于文本與圖片結合特征的垃圾檢測技術
    3.1 前言
    3.2 文本與圖片的結合特征向量提取
        3.2.1 文本特征向量的提取
        3.2.2 圖片特征向量的提取
    3.3 實驗
        3.3.1 數(shù)據(jù)集準備和評價指標
        3.3.2 實驗及結果分析
    3.4 本章小結
第四章 基于半監(jiān)督學習的郵件分類實現(xiàn)
    4.1 引言
    4.2 主動學習算法
    4.3 基于主動學習策略的半監(jiān)督分類方法
    4.4 SVM分類算法
        4.4.1 SVM原理簡介
        4.4.2 SVM算法分析
    4.5 基于在線學習的支持向量機分類模型
    4.6 實驗與結果分析
        4.6.1 實驗樣本提取
        4.6.2 實驗的評價指標
        4.6.3 實驗過程及結果分析
    4.7 本章小結
第五章 總結與展望
    5.1 本文完成的工作
    5.2 未來的研究方向
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于主動學習和半監(jiān)督學習的多類圖像分類[J]. 陳榮,曹永鋒,孫洪.  自動化學報. 2011(08)
[2]半監(jiān)督文本分類綜述[J]. 牛罡,羅愛寶,商琳.  計算機科學與探索. 2011(04)
[3]半監(jiān)督學習研究進展[J]. 梁吉業(yè),高嘉偉,常瑜.  山西大學學報(自然科學版). 2009(04)
[4]半監(jiān)督的改進K-均值聚類算法[J]. 汪軍,王傳玉,周鳴爭.  計算機工程與應用. 2009(28)
[5]一種基于邊緣的廣告垃圾圖像過濾方法[J]. 聞京,張凌,袁華,許洋洋.  計算機應用與軟件. 2008(10)
[6]核函數(shù)方法及其模型選擇[J]. 王華忠,俞金壽.  江南大學學報. 2006(04)
[7]邊緣檢測算子研究及其在醫(yī)學圖像中的應用[J]. 劉晨,張東.  計算機技術與發(fā)展. 2006(08)
[8]一種基于內容的廣告垃圾圖像過濾方法[J]. 許洋洋,袁華.  山東大學學報(理學版). 2006(03)

碩士論文
[1]基于最近鄰及相似度測量檢測釣魚網頁技術的研究[D]. 李濤賢.南京郵電大學 2012



本文編號：3001209