1、傳統(tǒng)的機器學(xué)習(xí)的研究中往往傾向于將有標簽的數(shù)據(jù)和無標簽的數(shù)據(jù)分開研究，但是在現(xiàn)實生活中，這兩種情況往往是并存的。半監(jiān)督學(xué)習(xí)便由此應(yīng)運而生，在傳統(tǒng)應(yīng)用中往往將半監(jiān)督作為一個聚類的改進方法，卻沒有將聚類的優(yōu)勢應(yīng)用于半監(jiān)督學(xué)習(xí)中，因此本文就此進行了深入探究。
　　 半監(jiān)督學(xué)習(xí)主要目的是在僅有少量標注數(shù)據(jù)集和大量未標注數(shù)據(jù)集的基礎(chǔ)上獲得一個良好的學(xué)習(xí)器。自訓(xùn)練算法便是半監(jiān)督學(xué)習(xí)的重要算法，然而自訓(xùn)練過程中有兩個問題需要解決：首先是如何從

2、無標簽數(shù)據(jù)集中選擇合適的樣本標記后加入到有標簽樣本中。其次，在無標簽樣本標記過程中會出現(xiàn)錯標現(xiàn)象。
　　 針對自訓(xùn)練的兩個問題，在做了有效的研究后，我們提出了一個算法以解決兩個問題。大體思想如下，在用分類器標記后，用聚類對新標記的無標簽樣本數(shù)據(jù)集進行處理，然后從聚類中選取有效的新數(shù)據(jù)更新訓(xùn)練集，然后采用數(shù)據(jù)編輯技術(shù)剔除錯標的樣本，這樣就能避免分類器受到錯標樣本影響。
　　 為了衡量該算法的效果，我們在標準數(shù)據(jù)集上對算法進