论文部分内容阅读
针对垃圾邮件在线过滤的实际应用，在委员会投票算法采样学习的基础上，提出动态提升采样门槛，在无标签样本池中阶梯式获取高信息量训练样本的方法。该方法能够在稳定识别精度的前提下，进一步降低用于标注和学习的样本数量，压缩由此带来的时间成本。通过在UCI的Spambase数据集上仿真，证明了该方法在改善学习效率方面的有效性。