在计算机视觉领域,图像分类任务一直都是热点问题。而其中半监督图像分类任务更是获得了国内外学术界的广泛关注,仅仅利用少量有标签数据和大量无标签数据,便可通过本文提出的算法训练出一些实用的模型。在当下,深度学习对于图像处理任务的解决有着得天独厚的优势,本文先是通过卷积神经网络提取有标签数据和无标签数据的高级语义特征向量;然后基于高级语义特征利用标签传播算法获得无标签数据的伪标签;将带有伪标签的无标签数据集和有标签数据集都放入卷积神经网络模型中进行深度模型的微调。至此,神经网络提取特征与半监督学习的标签预测通过神经网络的微调机制建立起了交互的功能。交互的使用深度模型与标签传播模型不断的优化伪标签直到模型达到收敛。本文在Cifar10数据集上做了一些对比实验最终的实验结果表明:本文提出的算法A,B,C总是比单独使用半监督学习算法或者深度学习算法要好的多。其中,针对800有标签数据,49200无标签数据集在算法C达到了0.91的准确率。