融合時頻特征的多粒度時間序列對比學(xué)習(xí)方法

摘要： 現(xiàn)有的時間序列對比學(xué)習(xí)方法存在增強(qiáng)樣本構(gòu)造方式過于依賴人工經(jīng)驗(yàn)、泛化能力不足、正樣本的定義方式不夠通用、對比度量方式存在粗粒度表征等問題，使得整體的時序表示效果較差。為此，提出了一種融合時頻特征的多粒度時間序列對比學(xué)習(xí)方法(Temporal-Spectral Deep Contrastive Network, TSDC)。該方法通過季節(jié)-趨勢生成網(wǎng)絡(luò)在時域內(nèi)產(chǎn)生具有穩(wěn)定變化的時... （共13頁）