研究了改进的基于SVM-EM算法融合的朴素贝叶斯文本分类算法以及在垃圾邮件过滤中的应用。针对朴素贝叶斯算法无法处理基于特征组合产生的变化结果，以及过分依赖于样本空间的分布和内在不稳定性的缺陷，造成了算法时间复杂度的增加。为了解决上述问题，提出了一种改进的基于SVM-EM算法的朴素贝叶斯算法，提出的方法充分结合了朴素贝叶斯算法简单高效、EM算法对缺失属性的填补、支持向量机三种算法的优点，首先利用非线性变换和结构风险最小化原则将流量分类转换为二次寻优问题，然后要求EM算法对朴素贝叶斯算法要求条件独立性假设进行填补，最后利用朴素贝叶斯算法过滤邮件，提高分类准确性和稳定性。仿真实验结果表明，与传统的邮件过滤算法相比，该方法能够快速得到最优分类特征子集，大大提高了垃圾邮