论文部分内容阅读
传统监督学习通常需使用大量有标记的数据样本作为训练例，而在很多现实问题中，人们虽能容易地获得大批数据样本，但为数据提供标记却需耗费很多人力物力。那么，在仅有少量有标记数据时，可否通过对大量未标记数据进行利用来提升学习性能呢？为此，半监督学习成为近十多年来机器学习的一大研究热点。本报告将简介这方面的一些研究进展。