当功能对象的采样非常稀疏且不均匀时，功能数据分析可能具有挑战性。大多数方法都依赖平滑来从数据中恢复底层功能对象，如果数据分布不规则，则很难恢复。在本文中，我们提出了一种可以克服这一挑战的新方法。该方法基于混合模型的思想。具体地说，我们提出了一个带boosting的半参数混合模型来恢复功能对象。虽然该模型可以处理稀疏和不均匀分布的数据，但它也会产生概念上更有意义的功能对象。特别是，我们在eBay的在线拍卖框架内激励我们的方法。在线拍卖会产生单调递增的价格曲线，这一曲线通常在两次拍卖中相互关联。半参数混合模型以简约的方式解释了这种相关性。它还根据数据估计了潜在的增长趋势，而没有施加模型约束。我们的应用程序表明，生成的函数对象在概念上更具吸引力。此外，当用于预测在线拍卖的结果时，与标准方法相比，我们的方法还可以实现更准确的价格预测。我们在一组183场Palm M515个人数字助理的封闭式拍卖中演示了我们的模型。