随着Internet的发展和普及,电子邮件也得到了广泛的应用。电子邮件在给人们带来方便的同时也产生了一个新的问题,即大量垃圾邮件的出现。垃圾邮件作为电子邮件的副产物日益影响着人们的日常生活,因此研究垃圾邮件过滤具有重要意义。本文首先分析了电子邮件及其过滤技术,介绍了贝叶斯原理及其在垃圾邮件过滤中的应用。为了能够有效提取邮件样本集的特征及提高垃圾邮件过滤系统的性能。本文介绍了基于N-Gram的切分算法及语言模型,在其基础上,提出了一种改进的N-Gram切分算法,给出了一种结合N-Gram语言模型的贝叶斯过滤模型。实验结果表明,本文提出的方法有效的提高了垃圾邮件过滤的性能。由于特征选择是基于内容的垃圾邮件过滤的重要过程,它有效的改善过滤效率和精度。本文还进一步分析了特征选择函数IG和CHI应用到垃圾邮件过滤中存在的不足,设计了一种改进的评价函数。而这种评价函数的特征选择方法只度量了特征与类的关系,忽略了特征之间依赖的关系,因此我们进一步用基于互信息的聚类方法来消除特征间冗余。最后本文设计并实现了一种基于贝叶斯分类的垃圾邮件过滤系统原型。