近年来,半监督多任务学习日益成为机器学习领域的研究热点之一。半监督多任务学习中动态模糊问题是普遍的,而动态模糊集理论是处理动态模糊问题的有效理论工具之一。因此,本文主要利用动态模糊集理论研究了半监督多任务学习,提出了基于动态模糊集的半监督多任务学习模型。主要包括以下几方面内容：(1)分析了半监督学习、多任务学习、半监督多任务学习的研究现状；(2)结合动态模糊集理论,提出了基于动态模糊集的半监督多任务学习模型；(3)提出了动态模糊半监督多任务匹配算法和动态模糊半监督多任务自适应学习算法,并分别进行了实验仿真验证算法的可行性与有效性；(4)最后我们以人脸识别作为应用实例,验证了本文中学习模型的可行性与有效性。综上所述,本文一方面丰富了动态模糊机器学习的内容,另一方面也为半监督多任务学习领域提供了新的理论依据。虽然本文取得了一些成绩,但是仍然存在-些工作需要研究与探讨,诸如,算法模型优化问题、算法中参数如何自动确定而不是通过手动试验来确定等等。