《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》

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

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.