垃圾邮件识别是网络安全领域的一个重要研究课题。其中，特征选择和垃圾邮件在线识别是垃圾邮件识别过程中的关键技术，本文从这两个方面出发进行了具体、深入的研究，具体内容包括：1.针对传统单纯基于文档频率或单纯基于词频信息的特征选择方法存在的问题，提出了一种基于改进粒子群寻优的混合特征选择方法。通过与多种传统方法比较发现，本文方法较其他特征选择方法优势明显。2.针对基于改进粒子群的混合特征选择方法存在的问题，提出了一种基于双阈值及改进调和寻优的特征选择方法。对传统调和寻优方法进行改进，解决了寻优过程中当全局最优值接近实际最优值时算法收敛速度较慢的问题。与传统方法相比，本文方法在选择最优特征集合方面表现较为突出。3.为避免垃圾邮件在线学习过程中用户兴趣对邮件识别效果的影响，提出了一种基于用户兴趣度的垃圾邮件在线识别方法。实验表明，算法在多个用户、单个用户两种情况下均获得较高的准确率，适用于垃圾邮件在线识别领域。4.为提高垃圾邮件的在线识别速度，提出了一种基于用户兴趣集的垃圾邮件在线快速识别方法。实验证明，使用该算法进行邮件识别及训练速度较快，且能以较小的用户标注负担获得较高的邮件识别精度。