QBC主动采样学习在垃圾邮件在线过滤中的应用

• 作者: 唐振民 陈念
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 垃圾邮件过滤 版本空间 主动学习 投票熵 委员会投票算法
• 年，卷（期）: 2014,（22）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 170-174
• 页数: 5页
• 分类号: TP393
• 字数: 5070字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1211-0016

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐振民	南京理工大学计算机科学与工程学院	191	2436	26.0	40.0
2	陈念	池州学院数学与计算机科学系	23	89	5.0	8.0