《表1 Adiac数据集在本文模型中的分类过程》

  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

《采用CNN和Bidirectional GRU的时间序列分类研究》

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

图7展示了在图3所示卷积操作中，加入门控循环单元与双向门控循环单元，通过merge层结合之后模型的分类效果。可以看出，通过门控循环单元，模型能获取时间序列数据的时序依赖特征，双向门控循环单元提取了整个序列的正向时序依赖特征和反向时序依赖特征，进一步丰富了模型的特征提取能力和提升了分类效果。表1举例了UCR数据集中的Adiac数据集在本文模型BiGRU-FCN中的分类过程。