面向时间序列的混合图像化循环胶囊分类网络

作者：陈容均; 严宣辉; 杨超城

来源：计算机应用, 2022, 1-12.

• 模式识别
• 时间序列分类
• 深度学习
• 时间序列图像化
• 循环胶囊神经网络

针对时间序列图像化缺少时间关联关系与空间位置关系的问题，文中提出面向时间序列的混合图像化循环胶囊分类网络FIR-Capsnet，对时间序列图像的时空信息融合与提取。FIR-Capsnet首先通过格拉姆角场（GAF），马尔可夫跃迁场（MTF）与重现图（RP）方法捕获时间序列图像的多水平时空特征，然后利用胶囊神经网络的旋转不变性与路由迭代算法学习时间序列图像的空间关系，最后引入长短时记忆网络（LSTM）的门机制解决胶囊隐含动态时间信息无法关联的问题。实验结果表明，FIR-Capsnet在30个UCR公开数据集中取得了15个胜利，并且在人体活动识别数据集（HAR）的分类准确率超过了混合图像化卷积神经网络7.2个百分点。通过实验比较说明了混合图像化循环胶囊神经网络在处理时序数据的优势。

• 单位
  福建师范大学