- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 555370 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 171984
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
基于 LSH 的 shapelets 转换方法
: b5 s' X2 l! W- D. L, ^8 {& y
- t0 m( Q. G! s- ~" ?4 q- N
/ K# y* n9 g1 r; C6 L4 j# \
' R4 m; i* X- f& ~: h7 O 9 ^$ E) A1 D+ C/ ?7 K9 ]
针对基于 shapelets 转换的时间序列分类算法因 shapelets 候选集中存在大量相似序列而造成耗时过6 {8 H0 f& Y. h1 e6 h+ Y1 M
长的问题,提出了一种基于 LSH的 shapelets转换方法(Locality Sensitive Hashing Shapelets Transform ,LSHST),
5 G; _6 `) j8 L6 V; z& |9 \首先提出一种局部敏感哈希函数(LSH)的改进算法,对原始子序列候选集进行逐级过滤筛选,快速挑选出形
0 c% U- V* p( b态上具有代表性的 shapelets 集合,其次计算集合中 shapelets 的质量,采用覆盖的方法确定将要进行转换的
9 I) m B8 n6 B# M$ [! p- B Wshapelets,进一步减小 shapelets 的数量,最后进行 shapelets 转换。实验表明,与 Shapelet transform (ST)、6 _8 r* D% I- L* e: O$ g2 y% o
Clustershapelets(CST)和 Fast shapelet selection(FSS)算法相比,LSHST 在分类精度上最高提升了 20.05%、! p! u2 N7 D7 L/ a: g! s! p- ^
19.95%和 16.52%,在时间节省程度上最高达 8000 倍、16000 倍和 8.5 倍。 * m' l" z& h W1 m% ?* U
) y/ ]5 @- T1 ~+ Q% [# h
- ^7 Y3 T( E5 {% ]
) o6 z! E4 F+ C9 O6 A/ [( A
3 n2 j$ M; I6 P( V
+ H4 |# g) S( o8 ?4 l: B
|
zan
|