人工免疫识别系统（AIRS）是受生物免疫系统的启示而研发的一种比较有效的分类器，但也存在记忆细胞数目过于庞大，分类精度不高，特别是在数据不完备的情况下，分类精度低等缺陷。为了解决这个问题，提出了一种不完备数据下的免疫分类算法（ICAU），算法引入半监督学习机制和分类器融合投票决策的思想，利用多个AIRS分类器互相帮助学习训练，来提高AIRS在不完备数据下的分类精度。在UCI数据集上进行了实验，结果验证了ICAU算法的有效性。