半监督学习(Semi-Supervised Learning，SSL)是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性，因此，半监督学习正越来越受到人们的重视。
半监督学习(Semi-supervised Learning)是模式识别和机器学习中的重要研究领域,一直为国际机器学习界所广泛关注,近几年来随着机器学习在数据分析和数据挖掘中的广泛应用...
基于2542个网页-相关网页
...vised learning）：分类、回归。在喂给机器数据时候，明确告诉机器，这个数据的类别，或者label。 半监督学习（semi-supervised ）：是告诉一部分数据的类别样本，大部分的数据要考机器自己分类。 无监督学习（unsupervised learning）：聚类。
基于58个网页-相关网页
半监督学习（semi-supervised learning literature survey）相关资料 模式识别上机实验5：近邻法与剪辑近邻法
基于36个网页-相关网页
In addition, semi-supervised learning is brought in the classification design of CAD.
3、将半监督学习引入到分类器设计中。
参考来源 - 结合代价敏感与半监督学习的乳腺癌辅助诊断算法研究·2,447,543篇论文数据，部分数据来源于NoteExpress
半监督学习： 输入数据由带标记的和不带标记的组成。
Semi-Supervised Learning : Input data is a mixture of labelled and unlabelled examples.
根据自适应谐振理论提出了半监督学习自适应谐振理论系统。
A semi-supervised learning system was proposed based on ART (adaptive resonance theory).
该算法在一定条件下解决了半监督学习环境下的模型更新问题。
Therefore, this algorithm has solved the problem of model updating in semi-supervised learning under appropriate conditions.
应用推荐