به کارگیری داده های بدون برچسب در خودآموزی نیمه نظارتی می تواند به طور قابل توجهی دقت طبقه بند نظارت شده را بهبود بخشد، اما در برخی موارد ممکن است دقت طبقه بندی را به مقدار چشمگیری کاهش دهد. یکی از دلایل چنین تنزلی، برچسب گذاری اشتباه به داده های بدون برچسب می باشد. در این مقاله، روشی را برای برچسب گذاری با قابلیت اطمینان بالا به داده های بدون برچسب پیشنهاد می کنیم. طبقه بند پایه در الگوریتم پیشنهادی، ماشین بردار پشتیبان است. در این روش، برچسب گذاری فقط به مجموعه ای از داده های بدون برچسب که از مقدار مشخصی به مرز تصمیم نزدیکتر هستند انجام می شود. به این داده ها، داده های دارای اطلاعات می گویند. اضافه شدن داده های دارای اطلاعات به مجموعه آموزشی در صورتی که برچسب آنها به درستی پیشبینی شود در دستیابی به مرز تصمیم بهینه تأثیر به سزایی دارد. برای کشف ساختار برچسب زنی در فضای داده از الگوریتم اپسیلون- همسایگی (DBSCAN) استفاده شده است. آزمایش های مقایسه ای روی مجموعه داده های UCI نشان می دهند که روش پیشنهادی برای دستیابی به دقت بیشتر طبقه بند نیمه نظارتی خودآموز به نسبت برخی از کارهای قبلی عملکرد بهتری دارد.
