《表4 FSS和ES4训练时间对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合选择提取与子类聚类的快速Shapelet发现算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ES4算法的优势在于保证准确率的前提下，大幅提高训练和分类速度.这在需要即时（just-in-time）构造、实时更新的诸如智能制造场景时间序列分类应用[26，29]尤为必要.为验证本文算法即时构造的可行性，我们对ES4算法和文献[29]中所采用的FSS算法进行了训练时间对比.我们选择的对比数据均是传感器数据，且本文算法在前述对比实验中的分类准确度也是最高的.与文献[29]的训练时间对比见表4.从表中可以看出，ES4和FSS训练时间处于同一数量级，并且大部分情况下ES4效果要优于FSS.实验结果表明了ES4算法可以满足智能制造等场景下的即时时间序列分类需求（该组实验的硬件环境是一台Intel i5 CPU 2.30GHz和8GB内存的MacBook Pro主机）.