面向多元函数型数据分类的集成模型及其在网页调查中鼠标移动分析中的应用

我们提出了新的用于多元函数型数据分类的集成模型，作为基于半度量的弱学习器的组合。我们的模型将当前的半度量型方法从单变量情形推广到多变量情形，提出了用于计算函数间距离的新半度量，并考虑了使用堆叠泛化方法组合弱学习器的更灵活选项。我们将这些集成模型应用于识别受访者对调查问题的困难程度，旨在提高调查数据质量。作为困难的预测变量，我们使用受访者与网页调查交互过程中的鼠标移动轨迹，其中通过操纵若干问题来创建具有不同困难程度的两个场景。