1、基于內(nèi)容的垃圾郵件過濾技術是Internet安全技術研究的一個重點問題。將機器學習的相關方法應用于垃圾郵件的判定是進行大量垃圾郵件處理的有效方法。本文針對電子郵件的特點，通過分析傳統(tǒng)郵件過濾技術的不足之處，在對大量垃圾郵件進行統(tǒng)計分析的基礎之上，基于信息融合準則對郵件過濾技術進行了研究。本文主要包括以下幾個方面的內(nèi)容： 1、綜述垃圾郵件過濾問題的研究現(xiàn)狀，包括垃圾郵件的定義、危害以及當前主要垃圾郵件過濾技術：在總結比較常用的特征

2、提取方法及過濾算法的基礎上，提出了一種利用期望交叉熵(CE)代替詞頻逆文檔頻率(TFIDF)算法中IDF函數(shù)進行分類的詞頻交叉熵(TFCE)算法。 2、在深刻理解信息融合技術的基礎上，通過理論分析，針對傳統(tǒng)垃圾郵件判決采用單一準則的缺陷，重點研究了基于三角膜算子的垃圾郵件融合判決準則。其后詳細闡述了該準則的原理和評價結果以及具體實現(xiàn)過程，包括體系結構、功能模型和組織模型、郵件過濾的流程和垃圾郵件反饋模塊等問題。 3、利用

3、實驗檢驗了算法的有效性。仿真實驗主要分為兩部分：一是比較了郵件過濾系統(tǒng)中各種基于評估函數(shù)的特征提取方法，如文檔頻率(DF)、互信息(MI)、信息增益(IG)、期望交叉熵(CE)、詞頻逆文檔頻率(TFIDF)和本文提出的新的特征提取算法詞頻交叉熵(TFCE)的優(yōu)缺點和特征提取精度；二是將基于三角模算子的信息融合判決準則與基于詞頻或文檔頻率的采用單一準則的判決方法進行了比較。 論文最后對基于詞頻交叉熵(TFCE)算法和信息融合準則的