《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》
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).
图表编号 | XD00168926500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 赵超、王腾江、刘士军、潘丽、嵇存 |
绘制单位 | 山东大学软件学院、浪潮通用软件有限公司、山东大学软件学院、山东大学软件学院、山东师范大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |