基于特征组分层与半监督学习的鼠标轨迹识别

• 作者: 康璐璐 范兴容 王茜竹 杨晓雅 明蕊
• 来源期刊: 计算机工程
• 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
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 开发研究与工程应用|Development Research and Engineering Application
• 页码范围: 277-284
• 页数: 8页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057442

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97.83％、94.72％和96.56％.