摘要：半監(jiān)督學(xué)習(xí)通過充分利用大量無標(biāo)記數(shù)據(jù)和少量有標(biāo)記數(shù)據(jù)來改善學(xué)習(xí)性能,近年來已成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn).半監(jiān)督生成對(duì)抗網(wǎng)絡(luò)SGAN將生成對(duì)抗網(wǎng)絡(luò)擴(kuò)展到半監(jiān)督學(xué)習(xí),通過在原始無標(biāo)記輸入數(shù)據(jù)的基礎(chǔ)上加入少量有標(biāo)記數(shù)據(jù),并將判別器轉(zhuǎn)換成分類器輸出分類結(jié)果,以此來解決傳統(tǒng)分類問題中因有標(biāo)記訓(xùn)練數(shù)據(jù)太少引起的過擬合問題.但SGAN判別器上的線性卷積層提取圖像深層次特征的能力較弱,使其在半監(jiān)督環(huán)境下對(duì)圖像進(jìn)行分類的準(zhǔn)確率不高,且生成的圖像質(zhì)量較差.為此,提出半監(jiān)督多層感知器生成對(duì)抗網(wǎng)絡(luò)SMPGAN.該網(wǎng)絡(luò)采用多層感知器卷積層代替SGAN判別器上的線性卷積層來提高抽象層次,并在生成器上使用特征匹配進(jìn)一步提高圖像的分類精度.在不同數(shù)量的有標(biāo)記樣本輔助下,SMPGAN的分類精度和圖像生成效果均有明顯提升.