本發(fā)明方法明確地將半監(jiān)督數(shù)據(jù)表示和分類誤差結(jié)合到現(xiàn)有的投影非負(fù)矩陣分解框架進(jìn)行聯(lián)合最小化學(xué)習(xí)，由此將權(quán)重系數(shù)構(gòu)造和標(biāo)簽傳播過程作用于投影非負(fù)矩陣分解，可有效避免原始數(shù)據(jù)中可能包含的噪音、破壞或異類對(duì)相似性度量和標(biāo)簽預(yù)測(cè)結(jié)果的負(fù)面影響。此外，上述聯(lián)合最小化過程也可在投影非負(fù)矩陣分解過程中有效保持鄰域信息和空間結(jié)構(gòu)，得到更準(zhǔn)確的數(shù)據(jù)表示結(jié)果。此外，還將權(quán)重構(gòu)建和歸納學(xué)習(xí)整合到一個(gè)統(tǒng)一的模型中，可得到自適應(yīng)的權(quán)重系數(shù)矩陣，進(jìn)而避免傳統(tǒng)算法中選取最優(yōu)近鄰難的問題。本發(fā)明方法為誘導(dǎo)式模型，可完成樣本外數(shù)據(jù)的歸納與預(yù)測(cè)，無需引入額外的重構(gòu)過程，可拓展性能好。