全连接神经网络的垃圾邮件分类 课程论文+Python源码及数据

全连接神经网络的垃圾邮件分类
目录
全连接神经网络的垃圾邮件分类	
一、选题背景	
二、方案论证(设计理念)	
1、运行环境	
编程语言：Python	
2、监督学习	
3、全连接神经网络	
4、交叉熵损失函数	
5、反向传播的网络训练与优化器	
三、过程论述	
1、全连接神经网络的垃圾邮件分类算法流程图	
2、导入Python中使用到的数据分析库与深度学习库	
②Pandas：数据载入及分析的工具。	
⑤torchviz：神经网络的可视化工具库。	
3、数据下载与收集	
4、数据集的初探索与划分	
5、数据的归一处理	
6、全连接神经网络分类器的搭建	
7、网络的可视化	
8、使用预处理后的数据训练模型	
9、优化器――训练全连接神经网络	
四、结果分析	
1、计算模型垃圾邮件识别最终精度	
2、分类报告――精确度和召回率	
3、对比实验――数据标准化与非标准化	
五、课程设计总结	
参考文献	
一、选题背景
垃圾邮件没有一个统一的定义，一般被理解为“不请自到的邮件”还有一些垃圾邮件是因为它所带的附件包含有病毒，或所含的链接是一个病毒网站，垃圾邮件过滤就是识别出所接收到的邮件中哪些邮件是对接收方完全没有意义的邮件，并进行拦截，删除等操作。有些垃圾邮件发送组织或是非法信息传播者，为了大面积散布信息，常采用多台机器同时巨量发送的方式攻击邮件服务器，造成邮件服务器大量带宽损失，并严重干扰邮件服务器进行正常的邮件递送工作。