为了优化电磁设备的设计,从包括HFSS,CST和IE3D的全波电磁仿真软件中获取训练样本是最耗时的。 传统的机器学习方法通​​常仅使用标记的样本或未标记的样本,但是在实际问题中,标记的样本和未标记的样本并存,标记样本的获取成本相对较高。 本文提出了一种半监督学习高斯过程(GP),该方法结合了未标记的样本以提高GP模型的准确性并减少所需的标记训练样本的数量。 提出的GP模型包括两个部分:初始训练和自我训练。 在初始训练过程中,通过全波电磁模拟获得的少量标记样本用于训练初始GP模型。 然后,将经过训练的GP模型在自训练过程中复制到另一个GP模型,然后在交叉训练后使用不同的未标记样本更新两个GP模型