پایان نامه حاضر با عنوان خلود در جهنم از دیدگاه صدرالمتألهین شیرازی سعی دارد ضمن روشن ساختن فلسفه ی عذاب و پاسخ به شبهات مطرح شده در این مورد به تبیین و تحلیل ادله موافقان و مخالفان خلود در عذاب بپردازد و نظریه ی ملاصدار را پیرامون خلود در جهنم را به عنوان موضوع اصلی مطرح و به تحلیل ادله ی عقلی و نقلی وی بپردازد و با توجه به تجدید نظر وی در قمستی از نظریه ی خود به بررسی آن پرداخته عدول وی از رأی و نظر خود در مورد برخی کفار را با ذکر دلیل مطرح نماید. با بررسی پیرامون عناوین مطرح شده به این نتایج رسیدیم که خلود در عذاب امری مبرهن و ثابت است و این امر تعارضی با رحمت و عدالت حق ندارد و موافقان خلود در جهنم برای اثبات نظریات خود از دلایل سه گانه؛ قرآن، سنت، و اجماع بهره گرفته اند و ادله مخالفان را بر پنج دسته قرار دادیم:1-خروج از جهنم و ورود به بهشت2- فنای جهنم و اهل آن3- اعطای قوه ی صبر4- عذاب ممتزج با نعمت5- تبدیل عذاب به عذب ملاصدرا نیز که در جرگه ی مخالفان خلود در عذاب قرار دارد نظریه ی خود را تحت عنوان«خلود نوعی» مطرح کرده است و برای نظریه ی خود چهار دلیل فلسفه ا ی اقامه کرده است:1- دوام ناپذیری حرکت قَسری،2- تنافی خلود در عذاب با قضا و قدر و حکمت الهی،3- اعتیاد،4- حاکمیت و غلبه ی رحمت الهی بر تمام اعیان و اسماء ضمناً ملاصدرا در نظریه ی تبدیل عذاب به عذب تجدید نظر نموده و خلود را در مورد کسانی که مبدأ عذاب در آنها جوهری نفس است جاودانه می داند.

مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. به دلیل اینکه طبقه بندها در یک فرایند یادگیری ساخته می شوند امکان گرفتار شدن آنها در کمینه های محلی وجود دارد بنابراین برای افزایش دقت طبقه بندی در این پایان نامه، از روش های ترکیب نتایج طبقه بندها استفاده شده است. نتایج حاصل از آزمایش ها بر روی سه پایگاه داده نشان داد که نرخ درستی و صحت حاصل از ترکیب نتایج طبقه بندهای پایه در مقایسه با سه طبقه بند پایه پرسپترون چند لایه، ماشین بردار پشتیبان و k همسایه نزدیکتر افزایش داشته است.