1、在過去幾十年時間里，數字信號處理(DSP)已經在諸多領域得到了廣泛應用。但是隨著計算機和信息技術的發(fā)展，DSP技術也存在很多局限性，比如面對種類豐富的數字信息的處理顯得力不從心，因此需要對DSP技術進行延伸和擴展以滿足新的要求。機器學習作為一種成熟的DSP技術，將其延伸到數字信息處理中來具有重要的研究價值。 本文以電子郵件這種常見的數字信息媒介為研究對象，通過基于機器學習的郵件數字信息處理技術研究，實現(xiàn)對郵件數字信息的智能處理，

2、提高郵件數字信息分類識別的準確性，以滿足郵件網關對垃圾郵件準確過濾的要求。 本文首先對數字信息處理技術和機器學習在數字信息處理中的應用進行了分析，在此基礎上研究了如何將機器學習技術應用于郵件數字信息處理。接著研究設計了對郵件數字信息的特征選擇算法和分類算法。郵件數字信息特征空間維數巨大，為了降低特征維數，使機器學習算法可行，運用了基于特征選擇度量函數的特征選擇算法，在此基礎上提出了基于遺傳算法和特征選擇度量函數相結合的特征選擇算