-
题名融合并行投票决策树和半监督学习的鼠标轨迹识别方法
被引量：2
- 1
-
-
作者
孟广婷
王红
刘海燕
-
机构
山东师范大学信息科学与工程学院
山东省分布式计算软件新技术重点实验室
山东师范大学生命科学研究院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第9期2050-2055,共6页
-
基金
国家自然科学基金项目(61672329
61373149
+9 种基金
61472233
61572300
81273704)资助
山东省科技计划项目(2014GGX101026)资助
山东省教育科学规划项目(ZK1437B010)资助
山东省泰山学者基金项目(TSHW201502038
20110819)资助
山东省精品课程项目(2012BK294
2013BK399
2013BK402)资助
-
文摘
本文针对已有鼠标轨迹识别方法存在的问题,提出了一种基于并行投票决策树的半监督鼠标轨迹识别方法.首先,本文对鼠标轨迹进行分析,根据多尺度特征思想提取出包括局部轨迹在内的105个特征,并对鼠标轨迹特征进行了划分.其次,本文提出了鼠标轨迹识别的半监督学习方法,避免过拟合和数据噪声的影响.最后,为了提高方法的效率,本文提出并行投票决策树模型,训练多尺度特征,对人的鼠标轨迹和机器鼠标轨迹进行分类.实验结果显示,本文方法具有较好的性能.
-
关键词
鼠标轨迹识别
多尺度
半监督
并行投票决策树
-
Keywords
mouse trajectory recognition
multi-scale
semi-supervised
parallel voting decision tree
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
