【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种基于加速度引导的多元时间序列扩散填补方法。
技术介绍
1、多元时间序列数据广泛存在于各个领域，如气象学、金融市场分析、医疗健康监测等。在现实世界中，由于设备故障、通信问题或数据采集过程中的不规则性，时间序列数据往往会出现缺失值。开发有效的多元时间序列缺失值填补方法，不仅可以提高数据的质量，还能确保下游任务如预测、分类等的性能，这对于数据驱动的决策制定至关重要。
2、目前，研究人员基于统计学、机器学习、深度学习等人工智能技术开发了多种用于多元时间序列中缺失值的填补方法。由于生成对抗网络、扩散概率模型等深度生成模型具有强大的数据生成能力，因此被广泛应用于缺失值填补任务中。在早期阶段，大部分此类研究主要利用生成对抗网络构造模型。然而，由于生成对抗网络的生成器和判别器在训练时的目标存在对抗，此类方法可能会导致训练时出现模式崩溃，面临收敛困难的问题，进而影响填补性能。为了克服这些困难，最近的一些研究利用扩散概率模型设计填补方法。由于扩散概率模型利用多步的噪声添加和去噪的扩散过程对数据分布进行建模，其...
【技术保护点】
1.一种基于加速度引导的多元时间序列扩散填补方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述对存在缺失值的原始多元时间序列数据进行正则化与数据分割，得到可供深度学习模型处理的时间序列包括：
3.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述根据缺失值实际存在的位置构造与时间序列，得到与所述时间序列规模相同的二值掩码矩阵包括：
4.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述在所述掩码矩阵的基础上...
【技术特征摘要】
1.一种基于加速度引导的多元时间序列扩散填补方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述对存在缺失值的原始多元时间序列数据进行正则化与数据分割，得到可供深度学习模型处理的时间序列包括：
3.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述根据缺失值实际存在的位置构造与时间序列，得到与所述时间序列规模相同的二值掩码矩阵包括：
4.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述在所述掩码矩阵的基础上，构造加速度掩码矩阵，使时间序列中，与相邻时间的值变化超过阈值的观测值，使所述观测值对应位置在中被置为0包括：
5.根据权利要求1所述的基于加速度引导的多元时间序列扩散填补方法，其特征在于，所述根据所述加速度掩码矩阵对时间序列进行遮蔽操作，得到包括：
6.根据权利要求1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。