基于特征组分层与半监督学习的鼠标轨迹识别

来源：计算机工程杂志2021年第4期北京时间：

作者：康璐璐, 范兴容, 王茜竹, 杨晓雅, 明蕊

单位：1. 重庆邮电大学 通信与信息工程学院, 重庆 400065;2. 重庆工商大学 计算机科学与信息工程学院, 重庆 400067;3. 重庆邮电大学 电子信息与网络工程研究院, 重庆 400065

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%。

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

基金资助：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）。