12 / 20
Модифицированный метод классификации многомерных временных рядов…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2017. № 2
57
Таблица 2
Среднее число кандидатов в шейплеты, оставленных после отбрасывания
Испытуемый
s
3
s
4
s
5
s
6
s
7
s
8
s
9
s
10
Число кандидатов
7 682
4 472
3 737
4 682
4 986
4 512
4 380 4 670
Видно, что общее число всех возможных фрагментов временных рядов
длиной
min max
;
l
l
l
∈
составляет
(
)
max
min
1 .
l
S
l l
N P N l
=
=
− +
С учетом того, что каждый отрезок ЭЭГ содержит 51 отсчет, а поиск шейпле-
тов проводится среди 900 отрезков, полученных во время обучающей сессии, об-
щее число фрагментов временных рядов, рассматриваемых в алгоритме
1
,
A
равно
812 700. Таким образом, из табл. 2 следует, что алгоритм
2
A
позволяет исключить
из рассмотрения в среднем до 99,4 % кандидатов, а алгоритм
3
A
с размером попу-
ляции 1000 особей и числом поколений, равным 10 — почти 99 % кандидатов.
Для того чтобы определить, какой из алгоритмов
2 3
,
A A
дает лучшее при-
ближение к глобальному оптимуму, по результатам мультистарта этих алгорит-
мов вычислены величины
opt
( )
Δϕ
S
— средние отклонения оценок качества
разделения классов от их оптимальных значений (табл. 3, рис. 2). В качестве по-
следних приняты значения указанных оценок, полученные с помощью алгорит-
ма полного перебора
1
A
(см. табл. 2).
Таблица 3
Средние отклонения оценок качества разделения классов
opt
(S )
Δϕ
Испытуемый
Алгоритм
2
A
3
A
s
3
0,013
0,014
s
4
0,052
0,007
s
5
0,029
0,007
s
6
0,020
0,004
s
7
0,015
0,013
s
8
0,015
0,017
s
9
0,022
0,018
s
10
0,021
0,021
Общее среднее
0,023
0,013
Из табл. 3 и рис. 2 следует, что генетический алгоритм
3
A
в среднем обеспе-
чивает лучшее приближение к оптимальному значению. Для проверки этой