一种基于自蒸馏的多元时间序列缺失值插补方法技术

本发明专利技术公开了一种基于自蒸馏的多元时间序列缺失值插补方法，该方法首先采用卷积神经网络和池化操作，提取多元时间序列数据样本的特征向量，并获取对应的缺失掩码矩阵，采用特征向量补充缺失掩码矩阵中的缺失值，得到特征向量其次拼接和缺失掩码矩阵，利用多头自注意力机制进行插补，通过归一化得到完整数据。然后基于完整数据，利用全连接层对插补数据进行修正，并结合缺失掩码矩阵与多元时间序列数据样本进行运算，得到插补数据。最后将特征向量完整数据、插补数据分别使用三个不同的全连接层进行处理，通过自蒸馏指导反向训练。本发明专利技术能够提高网络模型的插补精度，提高时间序列数据的质量。

【技术实现步骤摘要】

本专利技术属于多元时序数据缺失值插补领域，尤其涉及一种基于自蒸馏的多元时间序列缺失值插补方法。

技术介绍

1、在现实生活中，时间序列数据在很多领域都普遍存在，其在医疗、气象和金融等领域应用都很丰富，比如股票价格预测，预测医院患者未来状态等。然而，由于收集过程各个阶段的故障或错误，如物理设备损坏、蓄意造成、错误采集等，时间序列数据往往是不完整的，例如，physionet challenge 2012数据集是一个多变量时间序列数据，其记录的内容是4000多名患者在入院后的48小时内收集到的样本数据，其平均缺失率为80％。缺失数据也包含着数据的变化模式，如果不对缺失部分进行处理，数据分析时可能会遗漏关键信息，导致建立的模型难以从现有数据中提取准确的趋势信息，影响模型的预测精度。因此，填补数据缺失部分，对于还原真实的数据趋势、准确挖掘数据模式、更好地指导后续的可靠性评估工作具有重要意义。

2、根据缺失数据的特点，可以将其分为以下几类：(1)随机缺失(mar)：数据集中的缺失数据取决于观测数据；(2)完全随机缺失(mcar)：数据独立于外部因素，指缺失机本文档来自技高网...

【技术保护点】

1.一种基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，所述步骤1具体实现过程如下：

3.根据权利要求2所述的基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，所述确定其对应的缺失掩码矩阵具体过程为：对于多元时间序列数据样本其表示在T＝{t1,t2,...tT}时间内观察到的数据对于时间t的数据Xt，包含有D个特征若数据缺失，则缺失掩码矩阵M对应的值为0，若数据存在，则的值为1，利用表示中是否有缺失。

4.根据权利要求3所述的基于自蒸馏的多元时间序列缺失值...

【技术特征摘要】

1.一种基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，所述步骤1具体实现过程如下：

3.根据权利要求2所述的基于自蒸馏的多元时间序列缺失值插补方法，其特征在于，所述确定其对应的缺失掩码矩阵具体过程为：对于多元时间序列数据样本其表示在t＝{t1,t2,...tt}时间内观察到的数据对于时间t的数据xt，包含有d个特征若数据缺失，则缺失掩码矩阵m对应的值为0，若数据存在，则的值为1，利用表示中是否有缺失。

【专利技术属性】
技术研发人员：张倩倩，袁俊峰，方浩，李尤慧子，曾艳，殷昱煜，张纪林，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人