《表2 基于不同k值设定方法的DTWLSCR模型的准确率》
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》
从图7(a)中我们可以看出在初始节点不进行实例选择条件下,DTWLSCR准确率在17个数据集中的14个上低于进行实例选择的情况,且平均准确率低了12.46%.从图7(b)可以看出除了在规模较小或时间序列长度较小的数据集BeetleFly,Coffee,ECGFiveDays,MoteStrain,SonyAIBORobotSurface上时间相近外,随着数据集规模或时间序列长度的增大,不进行实例选择的模型运行时间变得难以承受.例如,在规模较大的数据集synthetic_control上初始节点不进行实例选择的模型运行时间是进行实例选择模型的88倍,而准确率低了13.33%.基于图7的实验分析结果,我们可以得到结论:为每个待分类实例进行训练实例选择是必要的,这既可以提高模型的准确率,也可以加快模型的运行时间.
图表编号 | XD0035536200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 王志海、张伟、原继东、刘海洋 |
绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |