前面展示了很多将一维数据二维图片化的方法,但是具体效果如何还待定,今天我把简单测试的结果放出来供大家参考。一共有以下几种形式的数据集:
- 小波时频图CWT
- 格拉米角场GAFs,包含GADF和GASF两种
- 马尔可夫变迁场 MTF
- 递归图RP
- 短时傅里叶变换时频图STFT
还有一种灰度图我觉得价值不大,因为它本质上是把一维数据乘以255后转化为图片,读取以后再除以255转换为原始二维数据。这是何苦呢,大家都只有一个通道,直接读取不就行了,何必换来换去的折腾。
以上几种图我在之前的文章里都单独列举了,首先直观的看,小波和短时傅里叶的特征是最明显的,其他图片的特征目测已经不是一般人类能把握的了。模型都用最普通的1DCNN,数据是先滑窗取值再生成图片的,图片大小为96×96,这个已经算是很大了,一般64的尺寸就有不错的结果。由于比较耗时,所以每种方法只做一次,以下是测试结果:
0.小波时频图CWT
>第1次 model: 85.35 耗时705.8 sec
scores: [84.7857117652893, 68.99999976158142, 89.35714364051819, 88.78571391105652, 89.92857336997986, 90.2142882347107]
A-B model准确率: 84.79
A-C model准确率: 69.00
B-A model准确率: 89.36
B-C model准确率: 88.79
C-A model准确率: 89.93
C-B model准确率: 90.21
总用时:705.8sec
平均用时:705.8sec
Accuracy: 85.35% (+/-