负选择算法是人工免疫的分支,对自我和非我细胞区分过程进行计算模拟,主要是模拟胸腺中T细胞的成熟过程。由于计算机安全领域的核心问题是识别异常状态,这与生物免疫系统所遇到的问题具有惊人的相似性,所以近年来负选择算法被广泛应用于计算机安全领域,并取得了很大进展。　　 垃圾邮件不但会影响邮件用户的学习、工作和生活,降低网络的安全性、稳定性,占用大量的带宽和存储空间,同时也影响着国家的政治、经济、文化等各个方面。　　 由于负选择算法具有对于自我和非我较强的判别能力,已有初步研究证明其在垃圾邮件过滤的准确率、漏报率和误报率方面都有出色表现。　　 本文在对特征提取算法,人工免疫系统以及负选择算法深入研究之后,将基于改进的负选择理论应用于垃圾邮件分类。首先对负选择算法进行改进优化,主要采用对检测器的改进提高负选择算法的检测率,采用自然计算方法优化负选择算法,通过其高效的全局搜索能力和局部搜索能力,优化负选择算法,并提出HSED-NSA算法。然后将其应用到垃圾邮件分类,设计基于HSED-NSA算法的垃圾邮件分类系统,检测该系统的效率。　　 最后,通过贝叶斯算法、负选择算法和优化的负选择算法在垃圾邮件分类中召回率和误报率的对比,证明优化负选择算法在垃圾邮件分类方面的出色表现。