-
题名基于特征组分层与半监督学习的鼠标轨迹识别
被引量：1
- 1
-
-
作者
康璐璐
范兴容
王茜竹
杨晓雅
明蕊
-
机构
重庆邮电大学通信与信息工程学院
重庆工商大学计算机科学与信息工程学院
重庆邮电大学电子信息与网络工程研究院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第4期277-284,共8页
-
基金
重庆市自然科学基金(cstc2018jcyjAX0587)
重庆市科技重大主题专项重点示范项目(cstc2018jszx-cyztzxX0035)
中国移动科研基金项目(MCM20170203)。
-
文摘
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97.83%、94.72%和96.56%。
-
关键词
鼠标轨迹识别
特征组分层
半监督学习
随机森林模型
不平衡数据
-
Keywords
mouse trajectory recognition
feature group hierarchy
semi-supervised learning
random forest model
unbalanced data
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
