一种基于ST-Tree的多元时间序列分类方法及系统技术方案

本公开提供了一种基于ST‑Tree的多元时间序列分类方法及系统，涉及时间序列分类技术领域，将多元时间序列输入到训练好的ST‑Tree中进行路由预测，得到预测的类别及决策顺序；ST‑Tree包括特征提取模块和层次化路由模块；特征提取模块是利用ST捕获多元时间序列中不同元素之间的时间和空间关系，得到序列特征；层次化路由模块是基于序列特征与树节点中类别的相似度，对神经树进行分层路由，最终在叶子节点进行类别预测，路由得到的路径组成决策顺序；本发明专利技术将ST与附加的神经树模型相结合，充分利用ST学习时间序列上下文的优势，又利用神经树提供可解释的决策过程，提高分类准确率的同时，通过可视化决策过程提供解释性。

【技术实现步骤摘要】

本公开涉及时间序列分类，具体涉及一种基于st-tree的多元时间序列分类方法及系统。

技术介绍

1、多元时间序列分类是一项重要且具有挑战性的任务，时间序列是从传感器收集的测量序列，是按时间顺序排列的一组数据，广泛存在于各种领域和各种现实应用中，包括心房颤动检测、错误信息检测、智能设备检测、睡眠记录分类、醉酒检测和人类活动识别等。

2、时间序列分类是时间序列分析的重要任务之一，是从现有标记实例中获得知识，对未知的时间序列实例进行标签预测；近年来，越来越多的研究者关注于时间序列分类问题，在数据挖掘领域具有重要的研究价值；高精度是所有研究人员都关注的问题，然而可解释性在许多任务中仍然很重要；虽然在计算机视觉、表格数据分类和自然语言处理的可解释性方面已经做了很多工作，但对时间序列的研究并没有得到那么多的关注。

3、由于时间序列数据的结构和性质不同，大多数方法并不能直接适用于时间序列；在时间序列研究早期，基于shapelet的方法被广泛研究，shapelet提供了对时间序列数据的解释性，可以通过识别和提取具有代表性的形状模式来描述时间序列的特本文档来自技高网...

【技术保护点】

1.一种基于ST-Tree的多元时间序列分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于ST-Tree的多元时间序列分类方法，其特征在于，所述特征提取模块，包括多组的time partition block和swing transformer block；

3.如权利要求1所述的一种基于ST-Tree的多元时间序列分类方法，其特征在于，所述层次化路由模块，使用可微的路由机制，构建完美二叉树，由内部节点集、叶节点集和父节点与子节点之间的边集组成。

4.如权利要求3所述的一种基于ST-Tree的多元时间序列分类方法，其特征在于，所述内部节点集中...

【技术特征摘要】

1.一种基于st-tree的多元时间序列分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于st-tree的多元时间序列分类方法，其特征在于，所述特征提取模块，包括多组的time partition block和swing transformer block；

3.如权利要求1所述的一种基于st-tree的多元时间序列分类方法，其特征在于，所述层次化路由模块，使用可微的路由机制，构建完美二叉树，由内部节点集、叶节点集和父节点与子节点之间的边集组成。

4.如权利要求3所述的一种基于st-tree的多元时间序列分类方法，其特征在于，所述内部节点集中的每个内部节点，包括两个模块：注意力模块和分支路由模块；

5.如权利要求4所述的一种基于st-tree的多元时间序列分类方法，其特征在于，所述特征与树节点中类别的相似度，是采用欧氏距离，计算输入到当前节点的序列特征与类别特征之间的相似度。

6.如权利要求5所...

【专利技术属性】
技术研发人员：魏守水，杜明森，李逸学，王雨辰，董之将，
申请(专利权)人：山东大学，
类型：发明
国别省市：