Para resolver el problema de que el valor de la medida F1 y el valor de AUROC de algunos métodos clásicos de clasificadores de conjunto abierto no superan el 40% en escenarios de alta apertura, este documento propone un algoritmo que combina el aprendizaje de mejora de características de la clase negativa y una distribución de Weibull basada en un método de representación de teoría de valores extremos, que puede reducir efectivamente el riesgo de espacio abierto en escenarios de conjunto abierto.