利用随机分割函数生成层次结构，提升时间序列分类效果
原文中文，约500字，阅读约需2分钟。发表于：。本研究介绍了一种新颖的带有随机分割函数的层次分割聚类方法，通过层次分类（HC）增强多类数据集中的分类性能。该方法具有在不需要显式信息的情况下生成层次结构的独特能力，适用于缺乏先验层次知识的数据集。通过根据分类器的可辨识性将类别系统地分成两个子集，所提出的方法构建了层次类别的二叉树表示。在 46 个多类时间序列数据集上使用流行的分类器（svm 和 rocket）和...
该研究提出了一种新的层次分割聚类方法，可增强多类时间序列数据集的分类性能。该方法适用于缺乏先验层次知识的数据集，并在46个数据集上进行了评估，结果显示在约一半和三分之一的数据集上显著提高了分类性能。该方法为增强多类时间序列数据集中的分类性能提供了一种有希望的策略。
