-
题名基于多尺度的时间序列表征方法研究
- 1
-
-
作者
谢伟
李芳
文如泉
-
机构
萍乡学院机械电子工程学院
-
出处
《萍乡学院学报》
2025年第3期39-44,共6页
-
基金
2022年江西省教育厅科学技术研究项目“智能车辆的横纵向协同跟随控制及稳定性研究”(GJJ2202123)。
-
文摘
为提升时间序列在无监督条件下的表征能力,研究提出一种结合多尺度视图增强与一致性正则项的自监督表征学习方法。该方法基于TS2Vec框架基础,通过引入不等长时间片段生成正样本对,引导模型在多时间尺度下学习语义一致的特征表示,针对不同尺度视图之间可能存在的方向偏移问题,设计一致性正则项,通过约束不同尺度特征向量之间的余弦相似性,增强表征的一致性与稳定性。上述机制在不增加模型结构复杂度的前提下,实现了对多尺度扰动下表征鲁棒性的建模。在UCR公共数据集上的实验表明,该方法在分类任务中较原始TS2Vec具有更优表现,验证了所提策略的有效性。
-
关键词
时间序列
多尺度
一致性正则
ts2vec
-
Keywords
Time series
Multi-scale
Consistency regularization
ts2vec
-
分类号
TN99
[电子电信—信号与信息处理]
-
