《激光原理》课程论文格式模板.docVIP

垃圾邮件并行过滤模型的设计 (二号黑体)* XXX （姓名四号宋体，加黑，居中） （07电子x班，xxxxxxxxxxxx）（班级学号，五号宋体，居中） 摘 要：随着网络的日益普及，垃圾邮件问题日趋严重，各种过滤垃圾邮件的算法也应运而生。简单贝叶斯方法计算简便，但受算法假设条件的限制，查全率和正确率都难以达到更高的层次；其他几种方法计算又太复杂。可以将计算机理论中的“流水”概念引入到垃圾邮件分类器中，建立并行过滤模型，查全率和准确率都比较令人满意。（小五宋体，顶格，200字左右） 关键词：垃圾邮件过滤；文本分类；朴素贝叶斯；并行过滤；滑动窗口（小五宋体，3~5个） 0 引言（数字与文字间两个空格，四号宋体，加黑）* 随着垃圾邮件问题的日益严峻，研究更高效，更精确的过滤方法已经势在必行。文本自动分类技术的广泛应用，使得自动分类的技术也被应用到反垃圾邮件领域。而并行处理凭着高效的优势大行其道，也被运用在各个领域中。本文将二者相结合，建立了一种基于改进的贝叶斯分类算法的垃圾邮件过滤模型，就朴素贝叶斯分类算法假设的限制，提出了基于滑动窗口实现并行过滤的目的。此算法可以提高邮件分类的查全率和准确率。（五号宋体，全文多倍行距1.25倍，首行缩进2字符，字数4000~6000） 1 试验方法和试验方案（四号宋体，加黑） 1.1 试验方法（五号宋体） 渗金属试验在自制双层辉光离子渗金属炉中进行，源极材料为Hastelloy C—2000合金，尺寸为130 mm×50 mm×4 mm，工件材料为20钢，尺寸为80 mm×25 mm×3 mm。采用脉冲放电模式：源极采用直流电源，工件采用脉冲电源。源极材料Hastelloy C—2000的质量分数：wNi=59%，wMo=16%，wCr=23%，wCu=%，wC＜0.01%。（五号宋体） 1.2 试验方案（五号宋体） 为了选定正交试验各个工艺参数的取值范围，先结合以往试验研究的经验，然后又进行了20余炉的摸索性试验，确定了正交工艺参数。正交试验按照L16(45)正交表进行试验。指标项目为渗层表面合金元素成分及总质量分数、渗层厚度和吸收率。因素水平表如表1所示。（五号宋体） 表1 因素水平表（小五宋体） 因素（六号宋体） 水平 1 2 3 4 源极电压U／V 1 050 1 000 950 900 工件电压U／V 275 250 350 300 气压p／Pa 35 30 45 40 极间距d／mm 15 20 25 22.5 2 数学模型（四号宋体，加黑） 在网络学习部分，采用三层BP神经网络来完成函数的映射。误差逆传播神经网络是一种具有三层或三层以上的阶层型神经网络，如图所示为一个三层前馈神经网络：它包括输入层、隐含层(中间层)、输出层；输入层有i个节点，隐含层有j 个节点，输出层有t个节点。上、下层之间各神经元实现全连接，即下层的每一单元与上层的每一单元都实现权连接，而每层各神经元之间无连接。网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，神经元激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。这以后，按减小希望输出与实际输出之间误差的方向，从输出层经各中间层逐层修正各连接权值，最后回到输入层。（五号宋体） 图1 典型BP网络示意图（小五宋体，居中，图形尽量用VISIO类的软件完成） 算法步骤： (1) 设置初始权系w(0)为较小的随机非零值。 (2) 给定输入/输出样本对，计算网络的输出： 设第p组样本输入、输出分别为 up=(u1p,u2p,…,unp) （公式居中） dp=(d1p,d2p,…,dnp) p=1,2,…,L 节点i在第p组样本输入时，输出为 (1) 式中 IjP——在第p组样本输入时，节点i的第j个输入 f是激励函数，采用Sigmoid型，即 (2) 可由输入层经隐层至输出层，求得网络输出层节点的输入。 (3) 计算网络的目标函数J 设Ep为在第p组样本输入时网络的目标函数，取L2范数，则 （3） 式中 ykp(t)——在第p组样本输入时，经t次权值调整网络的输出，k是输出层第k个节点 网络的总目标函数为 (4) 作为对网络学习状况的评价。 判别： 若 J ≤( (5) 式中 ( —— 预先确定的，(≥0 则算法结束，否则，至步