随着近20年互联网技术的急速发展,各式各样的网站和Web应用层出不穷,这些网站的出现给人们的生活带来了便利。与此同时,作为互联网发展的副产品,网上也存在大量含有诈骗或有害信息的垃圾网页,这些被作弊者散布的垃圾网页严重地危害着上网者的利益。如何准确地识别和检测这些垃圾网页是当前研究者所关注的热点之一。本文首先从垃圾网页二元分类检测入手,研究当垃圾网页和正常网页被错分后产生的不同代价,采用了基于代价敏感支持向量机的检测方法。在引入代价敏感方法后,针对很多方案中需要人为指定代价的问题,基于粒子群优化算法构建了融合代价计算的垃圾网页检测框架。具体做法是把代价敏感支持向量机包装为粒子群算法的适应函数,其中代价敏感分类的代价参数作为粒子群算法的寻优问题,分类算法的AUC值作为适应函数的输出。以此既保证了分类检测的性能又降低了人为因素对算法的影响。其次,本文研究了多级垃圾网页检测问题,多级检测相比二分检测更加细粒度,要求垃圾网页按不同危害度被检出。本文基于代价敏感支持向量机的“一对一”组合多元分类方法实现了多级垃圾网页检测,“一对一”组合多分类方法既保证了检测性能,又避免了代价矩阵中代价融合的问题。之后同样结合粒子群优化算法,对多个误分类代价进行计算。本文基于UK2007垃圾网页数据集的原始类标数据,构建了 MC-UK2007三类别的新数据集。之后分别使用UK2007和MC-UK2007进行融合代价计算的二分类和多分类检测实验,并应用其他算法设置了多组实验进行对比。实验结果显示本文所提的两个方法均能取得更优的AUC值,表明本文方法能够更有效地检出垃圾网页。