背景：

? ? ? ? 輔導的過程中遇到了一個比較新穎的問題，下面是我對這個問題的分析和簡要思路介紹。

思路分析：

????????這算機器學習下面的無監督學習，標簽傳播算法簡稱LPA，傳統的標簽傳播算法會出現非對齊問題，一句話描述就是預測的結果對比真實數據來說，不夠精準。

? ? ? ? 我做的研究就是添加了成對約束條件（來源于真實的空手道數據集），在傳統LPA算法過程中添加了必連和非必連條件，去在迭代的過程中一定程度上控制結果，一定程度上解決了非對齊問題，提高了精準性。

過程：

原始空手道數據圖：

傳統LPA結果圖分析：

添加成對約束后的LPA結果圖分析：

結論：

????????添加成對約束后，由于我算法設置的是成對約束條件隨機來源于真實的空手道數據集，所以有時候添加成對約束的LPA在空手道數據集表現上優于傳統的LPA算法，但有時候又不行，有一定的隨機性。目前我的測試結果是4次有3次表現優于傳統的LPA，平面結果圖上的社區分布也和原始空手道數據的社區分布更為貼近。

????????說明添加了成對約束條件后，還是有用的，即預測結果相較于原始的LPA算法處理空手道數據集會更好，在一定程度上能解決非對齊問題。

源碼、演示視頻、指導手冊獲取

????????我在解決中主要是查看知網的文獻、看國外的對應網站以及學習機器學習。