电子邮件是互联网的最重要应用之一。它在给人们日常工作和生活带来很大便利的同时,也带来了一种令人讨厌的副产品——垃圾邮件。随着垃圾邮件越来越泛滥,人们在技术和法律方面都进行了不断的努力,垃圾邮件已经得到了一定的控制。 垃圾邮件过滤的主要技术包括白名单与黑名单技术、规则过滤、基于关键词匹配的内容扫描,以及基于内容的文本分类方法等。目前的垃圾邮件过滤系统如贝叶斯过滤系统等,从过滤效果来看,并不是十分理想,存在的主要问题是将非垃圾邮件判定为垃圾邮件的几率较高,使用户宁愿接收到垃圾邮件也不愿意使用邮件过滤系统。基于粗糙集的垃圾邮件过滤是一种基于规则的内容过滤方法,将粗糙集理论用于垃圾邮件过滤是一个新的研究方向,可以降低垃圾邮件错判率。 本文的选题正是基于上述背景,本文的工作主要包括以下几个方面: 1.给出了垃圾邮件的定义,探讨了垃圾邮件的危害; 2.分析并总结了当前主要的垃圾邮件过滤技术,对常用邮件分类方法的基本原理及分类准确率进行了介绍; 3.介绍了基于粗糙集的垃圾邮件过滤系统模型和工作流程,并在此基础上,对该模型进行了改进; 4.对基于粗糙集的垃圾邮件过滤系统中的特征选择问题进行了研究,提出了用Mitra’s+SFS算法来进行邮件特征选择,将过滤冗余特征和不相关特征相结合,提高了系统分类准确率; 5.利用基于Java的机器学习软件Weka,对所选出的特征子集进行分类实验,并对实验结果进行评估,验证了所提出特征选择方法的有效性。