【摘要】半监督自训练方法属于半监督自标记方法的一种，它能同时利用有标记样本和无标记样本来训练分类器。然而，对半监督自训练方法而言，误标记是一个不容忽视的问题。为此，文章提出了一种基于密度峰值聚类和相对距离的半监督自训练方法（STDPRD）。在迭代的自训练过程中，STDPRD首先用密度峰值聚类来选取具有高置信度的无标记样本，再标记他们；其次，STDPRD用相对距离来过滤掉在迭代过程中被误标记的样本；然后，STDPRD把在迭代过程中被正确标记的样本加入有标记集中；最后，STDPRD用被扩充的有标记集来训练给定的分类器，训练完成后，输出被训练的分类器。仿真实验结果表明，在真实数据集上，STDPRD的表现优于4种流行的半监督自训练方法。