科研之友
微信
新浪微博
Facebook
分享链接
摘要
在时间序列分类任务中，通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛的关注。针对现有方法学习到的shapelets是所有类共享，可以区分大多数类但不能准确地区分某一类和其他类，以及使用对抗策略的模型生成的shapelets存在多样性不足等问题，提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法。该方法将类别信息嵌入时间序列，采用多生成器模块对抗地生成多个有差别的类别特定shapelets，再通过施加差异约束提高shapelets的多样性，最后使用shapelet转换得到的特征对时间序列分类。在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比，实验结果表明，所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果，且均取得了最高的平均秩，平均分类准确率相比其他方法最少提高了2.4%，最多提高了17.8%。消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性。
- 出版日期2023
- 单位武汉理工大学
