为了在分类中减少数据中的冗余信息、提高分类准确率,提出一种基于非负矩阵分解与一致性学习的半监督学习.该算法首先通过非负矩阵分解(NMF)对原始数据进行有效的降维,并得到特征矩阵;然后再特征矩阵的基础上通过标签传递对原始数据进行分类.实验结果证明,NMF-LLGC算法与其他方法相比不仅能有效地减少数据的冗余信息,还能够提高分类准确率.