基于特征组分层与半监督学习的鼠标轨迹识别
【摘要】 传统时间序列分类方法存在鼠标轨迹特征挖掘不充分、数据不平衡与标记样本量少等问题，造成识别效果较差。结合特征组分层和半监督学习，提出一种鼠标轨迹识别方法。通过不同视角构建有层次的鼠标轨迹特征组，并借鉴半监督学习的思想，利用多个随机森林模型对未标记样本进行伪标记，且将抽取标签预测一致且置信度较高的部分样本加入到训练集中。基于基础特征组和辅助特征组，在扩充后的训练集上训练随机森林模型，以实现鼠标轨迹的人机识别。实验结果表明，该方法可有效识别鼠标轨迹，且精确率、召回率与调和均值分别达到.%、.%和.%。8397
