一种基于注意力机制的多维时序数据时空特征提取方法技术

本发明专利技术提供一种基于注意力机制的多维时序数据时空特征提取方法。本发明专利技术的基于注意力机制的多维时序数据时空特征提取方法，在获取多维时序数据并进行预处理的基础上，利用基于Transformer的自注意力机制对滑动时间窗口内的时序数据进行编码，得到当前时间窗口内时序数据的表征结果，进而将不同维度上的表征结果作为图的节点，通过计算节点间的相似度建立边关系，构建图结构，再利用注意力机制对节点进行特征融合，从而捕捉多维时序数据中的空间关联性，通过迭代更新节点特征向量，从而提取和融合空间维度上的特征，生成包含丰富时空信息的综合特征表示。最后，对综合特征表示通过主成分分析法降维处理，获得多维时序数据的时空特征。本发明专利技术可以有效提取多维时序数据时空特征，适用于智能工业、交通、医疗等领域多维时序数据的行为分析。

【技术实现步骤摘要】

本专利技术涉及多维时序数据、特征提取，特别涉及一种基于注意力机制的多维时序数据时空特征提取方法。

技术介绍

1、随着数字化、智能化的迅猛发展，大规模、多维的时序数据广泛出现在工业诊断、交通预测、医疗诊断等领域。多维时序数据通常包含时间和空间两个维度信息，如何有效地提取其中的时空特征受到越来越多研究者的关注。

2、传统的特征提取方法是从时域和频域两个方面进行提取，该方法不仅需要较强的个体知识需要对特征筛选，还可能出现特征重叠问题导致提取偏差。近年来，深度学习方法在时序数据处理方面取得了显著进展，现有的深度学习方法如rnn、lstm等，通常只关注时间维度的特征，忽略多维时序数据中特征之间的空间关联性。但对于多维时序数据而言，时间和空间维度之间存在复杂的交互关系，仅依靠时间维度的特征提取方法难以充分挖掘数据中的潜在规律，因此亟需一种智能、有效的多维时序数据特征提取方法，以协助各行各业更精准地进行数据分析和决策。

技术实现思路

1、本专利技术提供一种基于注意力机制的多维时序数据时空特征提取方法，用以解决现本文档来自技高网...

【技术保护点】

1.一种基于注意力机制的多维时序数据时空特征提取方法，其特征在于，包括：

2.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提取方法，其特征在于，所述对多维时序数据进行预处理，具体为：

3.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提取方法，其特征在于，所述根据预处理后的多维时序数据，利用基于Transformer的自注意力机制进行编码，得到当前时间窗口内时序数据的表征结果，用以反映时序数据在时间维度上的结构和变化，具体为：

4.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提取方法，其特征在于，所述将包含时序特征的表...

【技术特征摘要】

1.一种基于注意力机制的多维时序数据时空特征提取方法，其特征在于，包括：

2.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提取方法，其特征在于，所述对多维时序数据进行预处理，具体为：

3.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提取方法，其特征在于，所述根据预处理后的多维时序数据，利用基于transformer的自注意力机制进行编码，得到当前时间窗口内时序数据的表征结果，用以反映时序数据在时间维度上的结构和变化，具体为：

4.根据权利要求1所述的基于注意力机制的多维时序数据时空特征提...

【专利技术属性】
技术研发人员：熊文婷，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：