时间序列的分类方法、分类终端及存储介质

本发明涉及数据处理，尤其涉及一种时间序列的分类方法、分类终端及存储介质。

背景技术：

1、在交通管理、空气污染治理、医疗保健、电力负荷、证券交易等多种场景中，通常需要对时间序列进行精准分类以对数据进行进一步的分析。例如，在电力领域，通过分析日负荷曲线时间序列可以预测未来负荷曲线的走势。如何对各领域内的时间序列进行精准分类，已经成为了当前研究中的难点与重点问题。

2、现有技术中，通常采用深度学习模型对时间序列进行分类，但深度学习模型提取的特征单一，分类不够准确，影响后续的数据分析。

技术实现思路

1、本发明实施例提供了一种时间序列的分类方法、分类终端及存储介质，以解决现有技术中的深度学习模型特征提取单一，分类不准确的问题。

2、第一方面，本发明实施例提供了一种时间序列的分类方法，包括：

3、对初始时间序列数据进行预处理，并利用fcn网络对预处理后的初始时间序列数据进行特征提取，得到初始特征；

4、采用iam网络和agres2net网络，对初始特征进行特征提取得到全局特征；

5、基于全局特征进行分类，得到目标分类结果。

6、第二方面，本发明实施例提供了一种控制终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式提供的时间序列的分类方法的步骤。

7、第三方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式提供的时间序列的分类方法的步骤。

8、本发明实施例提供一种时间序列的分类方法、分类终端及存储介质，上述方法包括：对初始时间序列数据进行预处理，并利用fcn网络对预处理后的初始时间序列数据进行特征提取，得到初始特征；采用iam网络和agres2net网络，对初始特征进行特征提取得到全局特征；基于全局特征进行分类，得到目标分类结果。本发明实施例中将iam网络与agres2net网络结合，综合二者的优点，可提取得到多尺度特征，分类结果更准确，利于后续数据分析。

技术特征：

1.一种时间序列的分类方法，其特征在于，包括：

2.根据权利要求1所述的时间序列的分类方法，其特征在于，所述采用iam网络和agres2net网络，对所述初始特征进行特征提取得到全局特征，包括：

3.根据权利要求2所述的时间序列的分类方法，其特征在于，所述将各个残差块的输出输入所述iam网络，并利用所述iam网络学习各个残差块的输出之间的相关性，输出所述全局特征，包括：

4.根据权利要求3所述的时间序列的分类方法，其特征在于，所述根据所述特征重塑矩阵，得到各个残差块之间的相关系数，包括：

5.根据权利要求3所述的时间序列的分类方法，其特征在于，所述基于所述特征重塑矩阵及所述各个残差块之间的相关系数，得到二维初始矩阵，包括：

6.根据权利要求2所述的时间序列的分类方法，其特征在于，所述采用iam网络和agres2net网络，对所述初始特征进行特征提取得到全局特征，还包括：

7.根据权利要求6所述的时间序列的分类方法，其特征在于，所述基于所述调整后的拼接特征进行分类，得到所述目标分类结果，包括：

8.根据权利要求1至7任一项所述的时间序列的分类方法，其特征在于，所述对初始时间序列数据进行预处理，包括：

9.一种分类终端，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至8中任一项所述的时间序列的分类方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述的时间序列的分类方法的步骤。

技术总结
本发明提供一种时间序列的分类方法、分类终端及存储介质，上述方法包括：对初始时间序列数据进行预处理，并利用FCN网络对预处理后的初始时间序列数据进行特征提取，得到初始特征；采用IAM网络和AGRes2net网络，对初始特征进行特征提取得到全局特征；基于全局特征进行分类，得到目标分类结果。本发明将IAM网络与AGRes2net网络结合，可提取得到多尺度特征，分类结果更准确。

技术研发人员：吴迪,彭菲,郑玉莹,杜鑫宝,程鹏,冯丽明,张乐,王晓宇,陈尧
受保护的技术使用者：河北工程大学
技术研发日：
技术公布日：2024/1/12