針對堆疊自動編碼機（ SA）容易產(chǎn)生過擬合而降低垃圾郵件分類精度的問題，提出了一種基于動態(tài)dropout的改進堆疊自動編碼機方法。首先分析了垃圾郵件分類問題的特殊性，將dropout算法引入到堆疊自動編碼機算法中；同時，根據(jù)傳統(tǒng)dropout算法容易使部分節(jié)點長期處于熄火狀態(tài)的缺陷，提出了一種動態(tài)dropout改進算法，使用動態(tài)函數(shù)將傳統(tǒng)靜態(tài)熄火率修改為隨著迭代次數(shù)逐漸減小的動態(tài)熄火率；最后，利用動態(tài)dropout算法改進堆疊自動編碼機的預(yù)訓(xùn)練模型。仿真結(jié)果表明，相比支持向量機（SVM）和反向傳播（BP）神經(jīng)網(wǎng)絡(luò)，改進的堆疊自動編碼機平均準(zhǔn)確率達到了97. 66%，各個數(shù)據(jù)集上馬修斯系數(shù)都大于89%；與傳統(tǒng)堆疊自動編碼機相比，改進的堆疊自動編碼機的馬修斯系數(shù)在Errorl -6數(shù)據(jù)集上分別提高了3.27%、1.68%、2.16%、1.5l%、1.58%、1.07%。實驗結(jié)果表明，基于動態(tài)dropout算法的改進堆疊自動編碼機具有更高的分類精度和更好的穩(wěn)定性。