论文部分内容阅读
传统的分类、预测和聚类算法只利用已标记样本进行监督学习,构建分类器,或者完全利用未标记样本本身的特性进行无监督学习。监督学习需要大量的标记样本,从而达到理想的分类效果,这样做的代价相当昂贵;非监督学习虽然不需要已标记样本,但其学习效果往往很难得到保证。结合少量已标记样本和未标记样本的半监督学习方法在监督学习和无监督学习方法之间得到了折中,既降低了学习代价,又提高了学习效果。