《表3 算法的准确率和排名》

  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

《一种基于Shapelets的懒惰式时间序列分类算法》

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

本节我们对本文提出的模型的准确率进行分析，表3给出了DTWLSCR模型和其他7个模型的准确率及排名的对比结果.这7个模型分别为:基于欧式距离的本文模型（EDLSCR），Ye等人提出的shapelets决策树模型（Shapelets Decision Tree，SDT）[11]，Rakthanmanon等人提出的快速shapelets决策树模型（Fast Shapelets Decision Tree，FS）[19]，基于DTW和欧式距离的1NN模型（分别记作DTW1NN和ED1NN）以及分别基于Yuan等人[14]和Lines等人[12]提出的shapelets转换算法的C4.5模型（分别记作SSC4.5和STC4.5）.其中，DTWLSCR在二分类数据集上将k设为5，在多分类数据集上的k值设为6；EDLSCR在所有数据集上的参数k都设为5；SDT的候选shapelets的长度每次递增1，使用和本文模型相同的加速方式；FS的准确率我们采用Rakthanmanon等人提供的值；基于shapelets转换算法的C4.5模型采用对应论文中的参数设置.表3中倒数第二行给出了各个模型在18个数据集上的平均准确率，表3中最后一行给出了DTWLSCR和用于对比的模型的准确率大小的比较统计结果，其中w表示本文模型准确率更高的数据集个数，t表示相同的数据集个数，l表示差的数据集个数.表3中的实验结果说明EDLSCR模型在5个数据集上比DTWLSCR模型更好，在其余13个数据集上的实验效果都较差.这再次验证了欧式距离不能很好处理数据采集过程中由于时间延迟或噪声导致的误差，而基于DTW的LSCR模型具有更强的鲁棒性.因此，我们在表3中将基于DTW的LSCR模型和其他模型进行对比.