- 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
- 555549 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 172038
- 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
0 I) S2 B g3 b5 ]1 }4 N. M6 j4 Q2 H3 q4 h5 B/ A- J: I
e2 W" h8 H$ Z1 f
, N$ S+ n, U; H" Y, K& ]4 { & I7 g P- H/ S) V: ?# s
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
' [! C& P& d7 D0 ~2 W1 j9 H" v9 |长的问题,提出了一种基于 LSH的 shapelets转换方法(Locality Sensitive Hashing Shapelets Transform ,LSHST),
( K! ?! {) w$ a( o* n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* x% `0 v' i- `. z7 k( T+ _ P
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! Z" e' o9 |# {7 w
shapelets,进一步减小 shapelets 的数量,最后进行 shapelets 转换。实验表明,与 Shapelet transform (ST)、
" x% ]- L1 L8 z, s+ QClustershapelets(CST)和 Fast shapelet selection(FSS)算法相比,LSHST 在分类精度上最高提升了 20.05%、: v7 o& P4 x5 q) `7 ^
19.95%和 16.52%,在时间节省程度上最高达 8000 倍、16000 倍和 8.5 倍。 3 ?- s1 [4 B( ^0 _" ^
- e& K! i! F @& Z! }/ L
/ W# ] f2 m. T' a$ `* H
1 Z! S( U( J" _: q: L- S# }! W" g [7 E8 i8 c1 b5 p- s7 i0 H
4 [: a2 G6 B- Z5 x- Q* o9 W
|
zan
|