半监督学习是指利用大量“廉价”的未标记样本来辅助少量“代价高昂”的有标记样本学习的过程。正例无标记(Positive and Unlabeled,PU)学习是半监督学习中一类特殊的分支,传统半监督学习做二分类任务的训练样本中,标记样本包括正样本和负样本,而PU学习在训练分类器的过程中仅使用已标记正例样本和未标记样本。由于PU学习的初始训练集中没有已标记的负例样本,所以在学习过程中首先需要构造一个分类器找出隐藏在无标记样本集中的可靠负例,再将可靠负例加入初始标记样本集,进而构造新的分类器对无标记样本集进行分类。然而,在PU学习中通过构造分类器选取可靠负例时还存在许多问题。例如:如何在初始正例过少的情况下,有效地挖掘整个数据集空间结构,进而选出可靠负例;如何避免噪声点和离群点对有效提取可靠负例的影响;结合间谍技术进行选取可靠负例的过程中,如何解决随机选择间谍样本机制造成划分可靠负例时效率低下的问题;从无标记样本集中提取可靠负例后,如何保证剩余样本的纯净度问题。本文针对PU学习中提取可靠负例时难以有效地挖掘数据集空间结构且易受噪声点影响等问题进行研究,研究工作主要包括以下内容:(1)提出一种基于数据模糊性来选取无标记样本中可靠负例的PU学习方法。该方法首先对正例无标记样本集进行半监督聚类,通过聚类结果对数据模糊性进行等级划分,选出靠近正例样本的低模糊度数据来扩充初始正例集,而远离正例样本的低模糊度数据则作为可靠负例;然后剪辑掉无标记样本中高模糊度数据;最后在扩充后的标记样本集上训练分类器,对初始无标记样本集进行分类。(2)提出了一种结合间谍技术与半监督自训练的PU学习方法,该方法通过间谍技术从无标记样本中提取可靠负例,然后将剩余样本看做新的无标记样本,并对新的无标记样本进行自训练提纯,采用二次训练的方式取回被漏选的可靠负例。(3)在结合间谍技术与半监督自训练的PU学习的基础上改进间谍技术,通过挖掘出初始正例样本的空间分布信息,把握样本空间结构后计算正例样本的聚类中心,并找出距离聚类中心较近的样本作为间谍样本。重新定义后的间谍样本在空间结构上离聚类中心更近,所包含正例样本的真实信息量也更大,当这样的样本被选作间谍样本时,更能有效地体现无标记样本中未知正例的分布情况。