【技术实现步骤摘要】
本专利技术属于社会数据治理领域，具体涉及一种基于频域特征抽取的时间序列分类方法。
技术介绍
1、如今，各种应用程序的用户在使用过程中产生了海量的数据。而多元时间序列在应用程序中无处不在，它们是纵向获取的事件序列，每个事件由多个属性记录的观察结果构成，通常由一组传感器随时间同时记录。例如，电子健康记录(ehr)中的心电图(ecg)信号可以表示为多元时间序列数据，随着时间的推移，它们可以通过多个传感器而获得。由于时间序列数据是一种流行的数据类型，存在于广泛的研究领域和应用中，对这些数据的综合分析可以促进实际应用中的决策，例如人类活动识别、医疗保健监测和行业检测。特别是，多元时间序列分类(mtsc,multivariate time series classification)任务作为时间序列分析的基本问题之一，受到了学术界和工业界的高度关注。
2、如今，基于transformer的时间序列分类模型已经收到了广泛的关注，最近作为序列建模的方法已经取得了很大的进展。因此，通过基于transformer的时序分类模型对时序数据进行训练，充分利用transformer在捕获时域维度上的远程依赖性和交互能力是目前时序数据分类模型的主流深度学习方法。然后，使用这种方法来进行时序建模以此来实现时序分类还存在着两个难以避免的关键问题：缺乏频域维度上的特征抽取和注意力层时空复杂度过高的问题。缺乏频域维度上的特征抽取表示在基于transformer的时序分类模型上只有在时域维度上的特征进行分析抽取，但是时序数据不仅可以在时域维度上建模，同时
技术实现思路
1、本专利技术的一个目的是针对现有技术时间序列分类准确率不足，同时时序分类数据集出现的数据不平衡现象，提出了一种基于频域特征抽取的时间序列分类方法，通过在时域和频域两个不同的维度对时间序列进行建模从而提取不同的特征，通过傅里叶变换来有效抽取时序数据的频域特征，对时序数据的特征进行了一定的补充，利用transformer网络、自注意力机制(attention)、傅里叶变换来提取时域特征和频域特征，构建了完整的基于频域特征抽取的时序分类模型，以提高时序分类的准确率。
2、本专利技术所采用的技术方案如下：
3、步骤1、获取数据集中的不同维度的时间序列信息，并通过对时序数据集的应用于标准化，使得数据的每个特征都具有零均值和单位方差。
4、步骤2、将标准化同时应用于训练数据和测试数据，将标准化后的时间序列信息放入时间分块层中，通过时间分块层进行分解。
5、通过时间分块层对数据进行的有效分解并投入到不同的阶段中以学习不同维度和长度下的时间序列表示方法，以此提高模型对时序数据的理解能力。
6、步骤3、时序数据时域维度特征抽取：将分解后的数据输入transformer中的自注意力层，提取时域特征。
7、transformer通过自注意力层的变体dr-attention来减少自注意力层中k、v的时间尺度，有效减少了q、k、v三者的计算开销，减少了一定的时空复杂度。
8、步骤4、时序数据频域维度特征抽取：通过傅里叶模块对时域特征进行傅里叶分解，并通过选择算子进行频域上的分量保留，再通过逆傅里叶变换，结合季节性趋势分解moe，得到频域特征。
9、步骤5、根据时域特征和频域特征，由分类器进行分类，得到分类结果。
10、本专利技术提供的技术实现方案拥有以下有益效果：
11、本专利技术通过引入dr-attention自注意力层，作为时序数据的时域建模方法，补充了时序数据在时域维度上的特征表示，然后结合点积减少策略来有效降低自注意力层的时空复杂度，从而在降低所需资源需求的情况下完成时域特征的学习，提高时序分类的准确率。
12、本专利技术通过引入频域特征抽取模型，作为时序数据的频域建模方法，作为时序数据的频域维度上的特征表示，通过对傅里叶变换后的向量进行特征学习并通过选择算子完成频域特征抽取，从而解决了时序数据的分类过程中缺乏对频域信息的学习，提高时序分类的准确率。
本文档来自技高网...【技术保护点】
1.一种基于频域特征抽取的时间序列分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于频域特征抽取的时间序列分类方法，其特征在于，所述时间分块层的实现如下：
3.根据权利要求2所述的基于频域特征抽取的时间序列分类方法，其特征在于，步骤3所述Transformer中的自注意力层采用DR-attention减少自注意力层中k、v的时间尺度，减少q、k、v三者的计算开销，具体如下：
4.根据权利要求3所述的基于频域特征抽取的时间序列分类方法，其特征在于，所述步骤4中频域特征抽取表示为：
5.根据权利要求4所述的基于频域特征抽取的时间序列分类方法，其特征在于，所述傅里叶模块使用了离散傅里叶变换，表示傅里叶变换，则表示傅里叶逆变换；假设有一个实数序列Xn在时域上，其中n＝1,2,…,N，离散傅里叶变换定义为其中i是虚数单位，Xl，l＝1,2,…,N是频域中的复数序列，而离散傅里叶逆变换定义为
【技术特征摘要】
1.一种基于频域特征抽取的时间序列分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于频域特征抽取的时间序列分类方法，其特征在于，所述时间分块层的实现如下：
3.根据权利要求2所述的基于频域特征抽取的时间序列分类方法，其特征在于，步骤3所述transformer中的自注意力层采用dr-attention减少自注意力层中k、v的时间尺度，减少q、k、v三者的计算开销，具体如下：
【专利技术属性】
技术研发人员：袁俊峰，何凯，周仁杰，殷昱煜，张纪林，曾艳，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。