《表4 LSHST、FSS、ST、CST算法的平均分类精度》

  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

《基于LSH的shapelets转换方法》

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

%

为了说明本文所提算法在基于shapelet转换的算法中处于领先水平，对比了LSHST和Shapalet Selection（ST）[17]、Cluster Shapelet（CST）[18]以及Fast Shapelet Selection（FSS）[19]这三种shapelets转换算法，分别结合1-NN、C4.5、Naive Bayes（NB）、Support Vector Machines with Linear(SVML）、random forest(with 500 trees）（Rand F）、Rotation Forest(with 50 trees）(Rot F）这6个分类器以计算平均分类精度，结果如表4，LSHST算法在12个数据集中的7个数据集上表现优于其他方法，在Sony AIBORobot Surface数据集上相比FSS、ST、CST分别提升了5.08、12.94和19.95个百分点，在Two Lead ECG数据集上分别提升了16.52、14.1和4.71个百分点，可以看出LSHST在分类精度上表现良好。