认知诊断模型的目的是利用学生对诊断评估的反应对学生的潜在属性概况进行分类。近年来，每种理论诊断分类模型对学生反应之间的关系做出了不同的假设模式和属性概要文件。前人的研究表明，TDCM的不规范和q -矩阵的不准确影响分类精度。人工神经网络是一种很有前景的方法，可以将项目反应模式转化为诊断分类。然而，人工神经网络方法产生非常不稳定和未赏识的估计，除非采取了大量的小心。在本研究中，我们将神经网络与两种典型的理论诊断分类模型DINA模型和DINO模型相结合，在半监督学习框架内实现鲁棒性和准确性的分类。在模拟研究和实际数据研究中，实验结果表明，该方法在不同的测试条件下都能获得满意的效果，特别是在评价的诊断质量不高且q -矩阵中包含错误指定元素的情况下。本研究首次将半监督学习思维应用到CDM中。此外，我们使用验证测试为ann选择合适的参数，而不是使用典型的统计标准，如AIC, BIC。