传统的机器学习的研究中往往倾向于将有标签的数据和无标签的数据分开研究,但是在现实生活中,这两种情况往往是并存的。半监督学习便由此应运而生,在传统应用中往往将半监督作为一个聚类的改进方法,却没有将聚类的优势应用于半监督学习中,因此本文就此进行了深入探究。半监督学习主要目的是在仅有少量标注数据集和大量未标注数据集的基础上获得一个良好的学习器。自训练算法便是半监督学习的重要算法,然而自训练过程中有两个问题需要解决：首先是如何从无标签数据集中选择合适的样本标记后加入到有标签样本中。其次,在无标签样本标记过程中会出现错标现象。针对自训练的两个问题,在做了有效的研究后,我们提出了一个算法以解决两个问题。大体思想如下,在用分类器标记后,用聚类对新标记的无标签样本数据集进行处理,然后从聚类中选取有效的新数据更新训练集,然后采用数据编辑技术剔除错标的样本,这样就能避免分类器受到错标样本影响。为了衡量该算法的效果,我们在标准数据集上对算法进行了测试,通过与其他算法的对比,结果表明在引入聚类时,算法要比对比算法的效果好,而且算法的收敛速度要比对比算法快的多。