说明文档——如何完整运行

第一步：建立数据档案

注意：如果只需要在已有的数据集上进行实验，那么这一步直接跳过。
如果是自己新生成了数据集，首先将数据集放在代码中的archives文件夹下，数据档案名为LiZheng形成如下的文件关系结构：

数据档案结构

接下来，在BDT_Constants.py文件中，将

ARCHIVE_NAMES = ['UCR_TS_Archive_2015', 'mts_archive']

添加数据档案的名字:

ARCHIVE_NAMES = ['UCR_TS_Archive_2015', 'mts_archive','LiZheng']

如果是KNN算法，则将BDT_Constants文件中的ITERATION=2修改为ITERATION=1（ITERATION意为实验多少次）

第二步：修改NEW_Main.py文件

接下来，在NEW_Main.py文件中：

在main_loop函数中，找到：

for dataset_index in range(0, 3):

将3修改为数据档案的数据集的总数。如果需要运行特定的数据集例如：50words，则找到50words所在位置（50words为第0个数据集），则改为range(0,1)
在main_loop函数中，找到：

preprocessor = create_preprocessor(preprocessor_name, Constants.ARCHIVE_NAMES[0],
                                               Constants.UNIVARIATE_DATASET_NAMES[dataset_index])

和

conduct_single_experiment_on_single_representation(Constants.ARCHIVE_NAMES[0],                                                    Constants.UNIVARIATE_DATASET_NAMES[dataset_index],
                                                                               target_classifier_names[classifier_index],
                                                                               preprocessor_name,
                                                                               itr, my_datasets_dict, representation_method,
                                                                               my_representation_key)

将Constants.ARCHIVE_NAMES[0]修改为想要运行的数据档案的索引。

第三步：修改主函数

在主函数部分(if __name__ == '__main__':)，令：

command_string = 'run_tsc_experiments'

找到

    if command_string == 'run_tsc_experiments':
        target_preprocessors = Constants.MY_PREPROCESSORS[0:1]
        target_representation_generators = Constants.MY_REPRESENTATION_GENERATORS[0:1]
        target_classifier_names = Constants.MY_DEEPLEARNING_CLASSIFIERS[0:1]
        main_loop()

选择自己需要的预处理器，表征生成器和分类器。
如果想要使用新的分类器，则需要在BDT_Contstants.py文件中找到

MY_DEEPLEARNING_CLASSIFIERS = ['fcn','mlp','resnet','lstm-64', 'knn', 'fcn_cam', 'resnet_cam']

在这里添加自己的分类器名称，例如:

MY_DEEPLEARNING_CLASSIFIERS = ['fcn','mlp','resnet','lstm-64', 'knn', 'fcn_cam', 'resnet_cam','fcn_gan']

接下来在BDT_Utils文件中找到：

def create_classifier(classifier_name, input_shape, nb_classes, output_directory):

按照形式，添加自己的代码。

第四步： 在NEW_MAIN文件下点击运行