随着计算机科学技术的快速发展，图像的自动识别应用在各种不同的领域，例如人脸识别、合成孔径雷达图像分类、手写数字图像识别等。基于主动学习的图像分类算法具有运算速度快，分类准确率高等优点,如何建立更加简洁、高效的图像分类算法，近年来受到相关研究者的普遍重视。本文在半监督条件下，对图像分类做了较为深入的研究:从图构造和优化方面着手，提出了两种新的主动图像分类算法(SSAED和SSLAED)，同时从理论和实验上对提出的新算法做了细致的分析。论文的主要研究工作以及创新成果如下：　　1.在第一章绪论中，简要介绍图像分类的相关背景和研究意义，研究现状和进展，研究内容及章节安排等。　　2.在第二章中，介绍主动学习、优化实验设计、直推式实验设计、流形学习以及流形适应实验设计等,为后面新算法的提出做理论准备工作。这部分重点介绍流形学习和流形适应实验设计。　　3.第三章中，通过构造局部线性重构系数提出新算法SSAED。这一章中主要围绕理论基础和实验两大部来介绍新算法。实验在CBCL，USPS，ORL，PIE，Yale-B，MNIST这6个真实图像数据集上展开，并将提出的新主动学习算法与其它3个算法(MAED,1-NN,Random)做对比。　　4.第四章中，通过改变权值矩阵的设置提出新算法SSLAED。这里同样围绕理论基础和实验两大部分来介绍新算法。实验在CBCL，USPS，MNIST，Yale-B这4个真实图像数据集上展开，并将提出的新主动学习算法与其它3个算法(MAED,1-NN,Random)做对比。　　5.第五章中，对整篇论文加以总结,对未来工作加以展望。