我们提出了一种新的分类器，称为电网络分类器，用于图的半监督学习。我们的分类器基于非线性网络理论，根据电位符号对数据集进行分类。揭示了C-SVM和图核方法的密切关系。与其他图核方法不同，我们的分类器不需要大量的核计算，而是直接使用高效的网络流算法获得潜力。此外，由于公式的灵活性，我们的分类器可以结合各种边缘特征；边缘方向、非对称相关性等因素的影响。因此，我们的分类器具有处理大型复杂现实问题的潜力。实验结果表明，与扩散核方法和其他标准方法相比，该方法具有较好的性能。