《表4 LSHST、FSS、ST、CST算法的平均分类精度》
%
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。
图表编号 | XD00201514800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 丁智慧、乔钢柱、程谭、宿荣 |
绘制单位 | 中北大学大数据学院、中北大学大数据学院、中北大学大数据学院、中北大学大数据学院 |
更多格式 | 高清、无水印(增值服务) |