فاطمه عارفیان - دانشجوی هوش مصنوعی، دانشگاه شهید باهنر، کرمان
مهدی افتخاری - دکتری هوشی مصنوعی، عضو هیئت علمی دانشگاه شهید باهنر کرمان

اکثر کارهای انجام گرفته با رویکرد فازی - ناهموار در زمینه یادگیری نظارتی بوده است در حالی که تعداد کمی از آنها برای یادگیری نیمه نظارتی و یا بدون نظارت انجام گرفته اند در بسیاری از موارد، اغلب به دست آوردن برچسب برای تمام نمونه ها، کاری دشوار، پرهزینه و زمان بر است. از آنجایی که یادگیری نیمه نظارتی با وجود تعداد محدود داده برچسب دار دو استفاده از تعداد زیادی از داده های بدون برچسب، دسته بندی بهتری ایجاد می کند، از اینرو در این مقاله به معرفی الگوریتم جدید طبقه بندی خود فراگیر با خود آموز نیمه نظارتی بر مبنای تئوری فازی - ناهموار، در جهت تخصیص برچسب به داده های بدون برچسب می پردازیم. روش پیشنهادی برخلاف بسیاری از روش های موجود نیاز به هیچ حد آستانه قابل تنظیمی توسط کاربر ندارد و نتایج تجربی به دست آمده نشان دهنده کارایی بالاتر این روش نسبت به سایر روش های مقایسه شده است.

یادگیری نیمه نظارتی، طبقه بندی خود فراگیر، تئوری فازی، تئوری مجموعه های ناهموار،