يقدّم هذا البحث منهج SelfMatch، وهو طريقة للتعلم شبه المراقبة تجمع بين قوة التعلّم الذاتي التمييزي وتنظيم التماسك. يتكوّن SelfMatch من مرحلتين: (1) التدريب المسبق ذاتيًا القائم على التعلّم التمييزي، و(2) التحسين شبه المراقب القائم على تنظيم التماسك في التحويلات. نُظهر تجريبيًا أن SelfMatch يحقق نتائج متقدمة على أحدث مجموعات المعايير القياسية مثل CIFAR-10 وSVHN. على سبيل المثال، بالنسبة لـ CIFAR-10 مع 40 مثالًا مُصنّفًا فقط، يحقق SelfMatch دقة قدرها 93.19%، ما يفوق الطرق القوية السابقة مثل MixMatch (52.46%)، وUDA (70.95%)، وReMixMatch (80.9%)، وFixMatch (86.19%). ونلاحظ أن SelfMatch يتمكّن من تقليل الفجوة بين التعلّم المراقب (95.87%) والتعلّم شبه المراقب (93.19%) باستخدام عدد قليل جدًا من العينات المصنّفة لكل فئة.