随着Internet的发展，电子邮件以其快捷、方便、低成本的特点得到了广泛的使用，这也给一些不法分子提供了可乘之机，肆意的传播垃圾邮件，不仅占用有限的网络资源，耗费用户大量的时间，还对系统安全造成了严重的威胁，严重影响和危害人们的工作、生活和学习。垃圾邮件也不断从内容上和形式上改进来逃避过滤器的识别，采用技术手段杜绝垃圾邮件的传播已经成为刻不容缓的事实。其中基于内容的垃圾邮件过滤技术就是从邮件正文的角度出发设计过滤器，识别过滤垃圾邮件的方法。　　 全文主要从以下三大技术方面进行基于内容的垃圾邮件过滤算法的研究：　　 (1)文本处理时特征矢量的高维性对分类效果和计算效率有重要的影响，本文在传统算法研究的基础上采用投票的思想，对各种算法的权值排序然后取其交集，仿真研究了维数对分类结果的影响。实验验证这种特征提取算法能很好的综合传统算法的优点，达到了满意的降维效果。　　 (2)针对Winnow算法参数设置繁琐及抖动的问题，提出一种自修正参数的Winnow形式，根据训练样本判别函数与阈值的关系实时调节修正因子，实验验证该算法能较好的减少训练时出现的抖动，减弱了训练次数对分类结果的影响，而且它具有很好的自适应性，提高了Winnow算法的适应性。　　 (3)针对KNN算法分类结果对语料集的依赖性，提出一种基于类中心的样本剪裁方法，该方法根据语料集中样本与样本类中心的余弦夹角，挑选最近的样本作为测试样本，不仅大大减小了测试时的样本大小，而且解决了样本分布不均匀对结果的影响。在相同样本大小的前提下，综合评价指标较未处理的样本有明显的提高。　　 最后，针对前期的算法研究，设计了用于仿真的基于内容的垃圾邮件过滤系统，并在此基础上对各种算法的综合性能进行了分析比较。