随着Internet的迅猛发展,智能终端信息系统以使用方便、快捷、廉价、可靠的特点很快被广大网民所接受,已成为当前最流行的信息交流方式。智能终端信息系统给本文带来便利的同时,垃圾信息应运而生,带来了巨大的危害。因此,开展利用过滤技术研究,阻挡智能终端垃圾信息,解决智能终端信息问题,具有重要意义。贝叶斯过滤技术应用于文本分类等领域,智能终端信息过滤本质上是文本分类问题,因此贝叶斯算法在智能终端信息过滤领域有着很好的应用。以此为出发点,论文分析了目前智能终端信息内容过滤技术,总结和分析了目前基于贝叶斯智能终端信息过滤技术的现状,并对基于贝叶斯的过滤方法提出了一系列改进。以此为基础,论文对朴素贝叶斯算法进行了详细的研究,并且提出了三个方面的改进思路。对于文本方面,主要选择使用指纹作为特征进行表示；在特征方面,主要选择采用类为条件作为发布的特征进行表示；根据学习的不断深入性,提出了阈值动态调整算法。基于这些改进,实现了改进的朴素贝叶斯过滤器。分析邮件结构特点,从邮件结构不同于普通文本出发,提出集成加权模型,以充分利用邮件的结构信息。然后,在此基础上论文运用基于集成加权模型对邮件头和邮件正文分别建立模型,最后通过加权方法集成二者结果,对智能终端信息进行过滤。研究了最小风险贝叶斯和主动学习贝叶斯两种贝叶斯的扩展模型。根据实验结果对比,得到两种扩展模型的最佳应用条件,并提出了改进后的邮件过滤算法。相关测试结果表明,与经典的贝叶斯过滤器相比,论文提出的综合了以上改进和扩展而设计的贝叶斯过滤器的过滤效果具有较高的准确性。论文的研究结果可为类似系统的设计与实现提供一定的理论基础。