随着Internet的飞速发展，电子邮件以方便、快捷、高效、低成本的优势成为最受欢迎的网络功能之一，成为人们工作和生活中重要的通讯工具。由于随之而来的垃圾邮件数量多，具有反复性、强制性、欺骗性、不健康性或传播速度快等特点，污染网络环境，占用大量传输、存储和运算资源，影响了网络的正常运行，严重干扰了人们正常生活。因此，研究有效地治理垃圾邮件的方法是全世界共同面临的难题，也是互联网上待解决的问题。 支持向量机(SVM)是一种建立在统计学习理论之上的机器学习方法，已被成功地运用于许多分类问题的研究。本文基于SVM分类器出色分类性能对垃圾邮件过滤技术展开研究。 1.对电子邮件工作原理及垃圾邮件特征的分析，构建了垃圾邮件信头特征模型。本文提出了基于邮件信头特征及SVM的垃圾邮件过滤方法。 2.在学习、分析邮件信体内容文本预处理及特征提取方法的基础上，对性能较为稳定及有效的CHI统计方法进行了变形，将其评估函数变形规范化在[O，1]区间。应用基于信体内容的分类方法进行垃圾邮件过滤研究。 3.邮件的信头和信体内容都是邮件的重要组成部分，仅仅对其中一部分进行分析过滤得到的结果都不是客观的。本文提出了基于SVM和D-S证据理论的垃圾邮件判别模型，首次应用带概率估计信息的SVM分类器分别针对邮件信头特征及信体特征分类，首次采用D-S融合规则对信头及信体的分类结果进行融合，最终判别是否为垃圾邮件。 本文对以上垃圾邮件过滤算法分别进行了实验测试比较，实验结果证实了方法的有效、可行。