随着因特网的迅猛发展，电子邮件正成为一种最快捷、最经济的通信手段。但电子邮件在成为一种信息交流工具的同时，也正在成为一种商业广告手段。在收到有用信息的同时，用户也从因特网上收到各种各样广告邮件，用户要花费大量时间来处理这些所谓的“垃圾”邮件。如何对邮件进行处理，将有用邮件保留而过滤掉垃圾邮件是用户关心的一大问题，这就是所谓的“反垃圾邮件”。虽然目前某些系统已采用一些技术进行反垃圾邮件，但这些技术都存在一定的不足。因此，研究一种有效的反垃圾邮件系统具有十分重要的意义。 在数据挖掘技术中，分类技术是一种重要的技术，它对大量有关数据进行分析、学习、并建立相应问题领域的分类模型，从而对未来数据进行预测。分类的方法有决策树、神经网络和贝叶斯分类等。贝叶斯分类起源于统计学，它具有方法简单、运算速度快、分类精度高等优点，因而被广泛应用在文本分类摘要领域。 本文在贝叶斯分类器的工作原理的基础上，提出了基于贝叶斯分类器的反垃圾邮件模型的设计与实现方法，并提出了用遗传算法对模型进行优化的算法，同时，对基于贝叶斯分类器的反垃圾邮件模型的闭值问题进行研究，实验结果表明这些算法具有较好的性能。