基于局部距离特征的多模态融合CNN时间序列分类

作者：马志强; 石磊

来源：计算机应用与软件, 2023, 40(04): 241-250.

• 卷积神经网络
• 时间序列分类
• 动态时间规整
• 距离特征

针对动态时间规整时间序列分类中存在的动态匹配信息丢失问题，提出一种基于局部距离特征的多模态融合CNN时间序列分类。提出一种新的特征，称为局部距离特征，当给定DTW(Dynamic Time Warping)的非对称斜率约束时，即使对于不同长度的时间序列，局部距离特征向量的长度均可以固定，并且增加了动态时间规整输入对于时序内在特征失真的鲁棒性。进一步在多模态融合CNN中结合了局部距离特征和坐标特征。探索不同的原型选择方法、原型数目和数据融合方案对精度的影响。通过对典型的时间序列数据集进行分类实验，实验结果表明该方法可以有效提高分类精度。

• 单位
  河南农业职业学院