- 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
- 564663 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174622
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 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
* ~. f3 a" b3 ]6 c) h) d$ B
. C0 K! S5 g/ G) z c4 @
) U8 L9 q) I5 D3 V0 }; H
/ g5 _1 [3 Z: F" z, `! a
1 A1 H' p& j7 V- @- e3 R7 K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
* N2 v" f* j0 [- X; `/ Z& B长的问题,提出了一种基于 LSH的 shapelets转换方法(Locality Sensitive Hashing Shapelets Transform ,LSHST),3 u2 w1 D9 G0 l
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
9 h/ ]% t. W! F: S' h) }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; z6 j. r7 n8 d' ^2 E
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)、- {" G+ g! ?; Z
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%、5 [* O8 z: j7 y' d- y3 i; \. S
19.95%和 16.52%,在时间节省程度上最高达 8000 倍、16000 倍和 8.5 倍。
6 u' R, \: g0 L: T
8 I3 Y' P" y% M8 i) f" n. }9 V. H$ {& T8 z- s4 x
& a: k8 Z/ Y9 ]. E) u) j+ z- p: |
' K' g1 g5 F6 R1 _$ F6 o* T |
zan
|