随着互联网技术的发展，电子邮件在人们生活中扮演着越来越重要的角色。但电子邮件给人们带来极大便利的同时，也日益显示出其负面影响，那就是随之而来的各种或推销广告或包含不良信息的垃圾邮件。它们占用网络资源，干扰邮件系统的正常运行，浪费用户的宝贵时间和上网费用。如何对邮件进行高效的分类和过滤就成了人们迫切需要解决的问题。一般说来有两类方法，一类是根据某种规则或某些内容关键词进行分类。这种方法比较死板，精确率很低，误报率却很高。另一类是现在比较流行的神经网络、支持向量机、K近邻、决策树、粗糙集、贝叶斯分类等智能的分类方法。应用这些方法，用户可以指定各类邮件训练集合，然后自动从中学习得到分类模型。 但以上这些方法不是只针对邮件头就是只针对邮件内容进行分类和过滤，没有很好的将二者结合。实际上邮件头和邮件内容都含有有用的分类信息，如果能把它们结合起来，就能得到更好的分类效果。为了达到这样的目的，本文设计了一个垃圾邮件智能过滤系统，将邮件头和邮件内容结合起来对邮件进行分类。我们的想法是首先采用RoughSet方法对邮件头进行第一次分类。这次分类能够将那些刻意隐藏发信人地址或是中转了很多次的广告邮件区分出来，但是对于那些具有正常中转路径的一般的广告邮件就区分不出来了，因此我们利用朴素贝叶斯算法对邮件内容进行第二次分类。这样就能比较完美的将邮件进行正确分类。最终得出结论认为：采用邮件头和邮件内容一起进行过滤的办法，能得到比只使用对邮件头进行过滤的方法更好的效果。